Tag · 3 篇
李雅普诺夫稳定性
分布 生成模型与扩散2视觉语言模型1
01 02 03
稳定平均流：受李雅普诺夫启发的一步流匹配
Stable Mean Flow: Lyapunov-Inspired One-Step Flow Matching
为一步流匹配生成器提供一个可即插即用的稳定性正则项，约束单步传输映射的局部非扩张性，从而抑制轨迹漂移并加速收敛；做少步/一步图像生成的研究者可直接把该正则加入训练损失以提升样本质量。
用于大基础模型幻觉检测的李雅普诺夫探针
Lyapunov Probes for Hallucination Detection in Large Foundation Models
把 MLLM 的表征空间当作动力系统，用带导数稳定性约束的轻量探针在输入扰动下检测置信度是否单调衰减，从而区分事实稳定区与幻觉易发边界；这套扰动+稳定性探针可直接接到任意视觉语言模型的隐层特征上做幻觉判别。
CFG-Ctrl：基于控制的免分类器扩散引导
CFG-Ctrl: Control-Based Classifier-Free Diffusion Guidance
把 CFG 重新解释为对一阶连续时间生成流的控制，并用滑模控制替代线性 P 控制，可直接替换 Stable Diffusion 3.5、Flux、Qwen-Image 等流式扩散模型中的采样引导环节，在大引导尺度下抑制过冲、提升语义对齐。