#归一化流

归一化流映射与奖励混合：生成模型如何兼顾采样速度与精确似然

微软研究院讲座解读两篇论文：Normalizing Flow Maps 让可逆生成映射同时具备少步采样与精确似然，可用于 RLHF 后训练和玻尔兹曼生成器；Martini 则用廉价代理奖励的非线性组合逼近昂贵预言奖励，在语言、图像与蛋白质对接任务上验证有效。