热点事件持续更新
研究人员提出样本级约束生成算法PDFM并开源
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026年10月12日，研究人员在 arXiv 发布研究，提出了用于样本级约束生成的 Primal-Dual Flow Matching（PDFM）。该算法可让模型按照用户指定的概率满足相应约束，且仅需二元成员查询（oracle）反馈即可直接控制约束满足率，无需可微距离、投影或约束集的凸性等特殊结构。实验结果显示，PDFM 在保持样本分布保真度的同时，相比原生 FM 有效提升了约束满足率。目前，该研究的相关代码已正式开源。
AI 根据报道生成 · 3 小时前更新
最新进展10月12日 12:00
研究人员提出样本级约束生成算法PDFM并开源代码，可按设定概率直接控制约束满足率。报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv 机器学习用于样本级约束生成的 Primal-Dual Flow Matching
研究人员提出了用于样本级约束生成的 Primal-Dual Flow Matching（PDFM），可让模型按用户指定的概率满足约束。该方法仅需二元成员查询（oracle）反馈即可直接控制约束满足率，无需可微距离、投影或约束集的凸性等特殊结构。实验表明，PDFM 在保持分布保真度的同时，相比原生 FM 提升了约束满足率，且代码已开源。
本事件热度走势
当前热度 9·可比范围峰值 10（10月12日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。