arXiv · ML· Yinan Huang, Shitij Govil, Bo Dai, Pan Li·· 2026-10-08AI 评分26
Seq-Flow:利用自滚出误差控制实现高效概率预测的流模型
Seq-Flow: Efficient Probabilistic Forecasting with Self-Rollout Error Control
AI 导读
Seq-Flow 是一种条件流模型,通过 ODE 将样本从上一预测分布传输至更新分布,在粒子加速器束流溢出预测中使 CRPS 降低 65%。 该模型采用自滚出训练,利用移动平均副本生成预测以初始化后续更新,避免自强制方法中复用输出作为条件语境的局限。 尽管训练时最多仅进行四次更新,Seq-Flow 在超过 400 次连续预测中保持准确,且代码已开源。
来源:arXiv · ML · arxiv.org