分布漂移下的 Minimax 最优预测流匹配

针对分布漂移下需提前部署生成速度场的问题，研究提出预测流匹配算法 DyProd-FM。该算法无需预知漂移预算，在相对速度风险与目标分布变差下均取得对数因子意义下最优的动态遗憾界。该成果突破了以往理论依赖凸决策集与强凸损失的限制，适用于可能非凸的神经网络类别且无需参数曲率假设。