DRIFT 提出基于流匹配的残差解码框架

DRIFT 框架被提出用于解决视觉语言模型（VLM）的连续输出解码问题。该框架由 Zhuoming Liu 等人提出，其核心机制结合了基础预测器与基于流匹配的生成细化模块。通过将全局输出分布建模转化为围绕强先验的局部残差分布建模，DRIFT 实现了适配 VLM 连续解码任务的目标。 在性能评估方面，该框架在包括视觉定位和机器人控制在内的感知与规划任务上进行了测试。结果表明，在跨多种 MLLMs、VLAs 和 WAMs 架构中，DRIFT 持续优于基于回归和生成的强基线方案，展现了其在复杂任务中的优越性。

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。