学者提出分布漂移下的预测流匹配算法DyProd-FM

2026年10月22日，针对分布漂移下需提前部署生成速度场的问题，arXiv机器学习领域发表的一项研究提出了预测流匹配算法 DyProd-FM。该算法无需提前预知漂移预算，在相对速度风险与目标分布变差指标下，均取得了对数因子意义下Minimax最优的动态遗憾界。此外，该成果突破了以往理论对凸决策集与强凸损失的依赖限制，能够适用于可能非凸的神经网络类别，且无需参数曲率假设。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。