論文の概要: Rethinking Prediction Horizons: Decoupling Model Queries from State Updates in Few-Step MeanFlow
- arxiv url: http://arxiv.org/abs/2610.20071v1
- Date: Wed, 14 Oct 2026 12:11:28 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-15 21:06:16.134568
- Title: Rethinking Prediction Horizons: Decoupling Model Queries from State Updates in Few-Step MeanFlow
- Title（参考訳）: 予測ホライズンを再考する - 数ステップ平均フローにおける状態更新からのモデルクエリの分離
- Abstract要約: MeanFlowは、インターバル平均速度を予測するが、従来の数ステップのサンプリングは、モデルから状態更新の期間に問い合わせたインターバルを結びつける。
予測の地平線を変えながら、これらの2つの量を推論時に分離し、モデルを修正し、グリッドを更新し、クエリ数を更新する。
私たちの中心的な発見は、水平方向の応答はクエリの位置とクエリに入る状態の両方に依存するということです。
- 参考スコア（独自算出の注目度）: 3.427586537456667
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: MeanFlow predicts interval-average velocities, but conventional few-step sampling ties the interval queried from the model to the duration of the state update. We separate these two quantities at inference, fixing the model, update grid, and number of queries while varying the prediction horizon. Our central finding is that the horizon response depends on both query position and the states entering that query. Across seven independently trained CIFAR-10 checkpoints at classifier-free guidance (CFG) scale 2, a longer horizon worsens FID at early steps but improves it at the midpoint. To probe whether query time alone determines this response, we fix the midpoint query and current/subsequent guidance while changing only earlier CFG. In held-out factorial outcomes on five previously studied checkpoints, the mean midpoint horizon benefit increases from 0.109 to 1.308 FID, indicating sensitivity to the incoming-state distribution. A frozen four-query rule reduces mean CIFAR-10 FID by 2.023 without retraining or extra queries, including gains on five checkpoints trained after rule selection. A milder rule also improves mean FID by 1.041 on a stronger frozen grid, with fixed-rule FID gains on the evaluated public ImageNet-256 and AFHQ checkpoints. However, matched-budget calibration favors query-start shifting in historical CIFAR tests, and the tested Horizon allocation adds no FID benefit beyond Grid+Start on two public ImageNet models. Thus, prediction horizon is a distinct, position- and state-sensitive inference control, but not a universally preferred one.
- Abstract（参考訳）: MeanFlowは、インターバル平均速度を予測するが、従来の数ステップのサンプリングは、モデルから状態更新の期間に問い合わせたインターバルを結びつける。
予測の地平線を変えながら、これらの2つの量を推論時に分離し、モデルを修正し、グリッドを更新し、クエリ数を更新する。
私たちの中心的な発見は、水平方向の応答はクエリの位置とクエリに入る状態の両方に依存するということです。
クラシファイアフリーガイダンス(CFG)スケール2でのCIFAR-10チェックポイントを7つに分けて訓練すると、より長い水平線がFIDを悪化させるが、中間点では改善する。
クエリ時間だけでこの応答が決定されるかどうかを調査するために、初期CFGのみを変更しながら、中間点クエリと現在の/以降のガイダンスを修正します。
これまでに検討した5つのチェックポイントにおける因子分析の結果、平均中点地平線利益は0.109から1.308 FIDに増加し、入射状態分布に対する感度が示唆された。
凍結された4クエリルールは、ルール選択後にトレーニングされた5つのチェックポイントのゲインを含む、リトレーニングや追加クエリなしで、平均CIFAR-10 FIDを2.023に削減する。
より穏やかなルールは、より強力な凍結グリッド上で平均FIDを1.041改善し、評価されたパブリックな ImageNet-256 と AFHQ のチェックポイントで固定ルール FID が上昇する。
しかし、マッチング予算のキャリブレーションは、過去のCIFARテストのクエリ開始シフトを好んでおり、テストされたHorizonアロケーションは、2つのパブリックなImageNetモデルでGrid+Start以上のFIDのメリットを付加しない。
したがって、予測地平線は位置や状態に敏感な推論制御であるが、普遍的に好まれるものではない。
関連論文リスト
- Evaluating Trajectory Features for Routing Final-Layer Attention [0.0]
隠れ状態外挿誤差、曲率、誤差変化が不確実性を超えた予測を改善するかどうかを評価する。
実用性管理ルータは、PG-19の100冊の本で、同じ因果関係の20%の呼び出しクォータでテストされている。
論文 参考訳（メタデータ） (2026-10-07T01:12:37Z) - Levy-Driven Correspondence Estimation for Registration [48.22138841110924]
LevyMatchは、ランダムジャンプを使ってソフトマッチング行列を洗練するレヴィ駆動の手法である。
Gammaランダムクロックは、更新毎にタイムステップを設定する。
本稿では,早期更新により多くのクロック時間を割り当てる固定フロントロード型ガンマポリシーを提案する。
論文 参考訳（メタデータ） (2026-09-26T13:35:46Z) - ReDraft, Don't Just Distill: Reference-Driven Revision for Continual VLLM Post-Training [66.72708893922605]
大規模なマルチモーダルモデルのポストトレーニングは、事前トレーニングから保護しながら、新しい機能を追加する必要がある。
SFTは、タスクをほぼゼロの精度から学習する明確なターゲット監視を提供するが、そのオフポリティックターゲットはモデルを十分に移動させ、忘れる原因となる。
モデル自身の失敗から両方を得るReDraftを紹介します。
論文 参考訳（メタデータ） (2026-09-15T04:59:03Z) - Online Bayesian Node Classification on Inductive Graphs under Distribution Shift [4.12346015436419]
我々は,エンコーダと近似した最終層後層を共同で訓練する変分ベイズ最終層(VBLL)の目的を導入する。
オンラインGVBLLは、データセット毎に最適な精度と負のログ類似性を達成する唯一の方法である。
最強の非GVBLLベースラインよりも最大17ポイント、Ogbn-arxiv14ポイントの精度が向上する。
論文 参考訳（メタデータ） (2026-09-12T02:23:30Z) - Entropy Across the Bridge: Conditional-Marginal Discretization for Flow and Schrödinger Samplers [68.9946633641494]
フローマッチングとシュルディンガーブリッジは確率を定義するが、その推論格子は通常一点拡散から受け継がれる。
終端条件付き橋梁形状を境界流の進化から分離し, 橋梁を識別する条件付きエントロピーレートを導出する。
EDM/CIFAR-10では、エントロピックな時間分散は5段階のFID(186.3 pm 4.0対200.5 pm 2.9対cosineの238.0 pm 5.3)が最適である。
論文 参考訳（メタデータ） (2026-05-15T16:11:10Z) - Temporal Attention for Adaptive Control of Euler-Lagrange Systems with Unobservable Memory [1.2891210250935148]
本稿では,自己注意ブロックによって演算トルク制御器の利得が生成されるメタ制御アーキテクチャを提案する。
注意頭数は、記憶状態勾配の代理解析によりポリシートレーニングの前に選択される。
この手法は非線形摩擦と可変ペイロードを持つ2-DOFマニピュレータで試験される。
論文 参考訳（メタデータ） (2026-05-07T19:25:18Z) - Posterior Augmented Flow Matching [64.1559809786948]
後拡張フローマッチング(PAFM)はフローマッチング(FM)の一般化である
PAFMは、異なるモデルスケールで最大3.4FID50KでFMよりも改善されていることを示す。
論文 参考訳（メタデータ） (2026-05-01T17:59:59Z) - Surprised by Attention: Predictable Query Dynamics for Time Series Anomaly Detection [1.7751300245073598]
AxonADは、マルチヘッドアテンションクエリの進化を短い水平方向予測可能なプロセスとして扱う教師なし検出器である。
テール集約型クエリミスマッチスコアは、最近のタイムステップで予測されたクエリとターゲットクエリの相違を測定する。
インターバルアノテーションを用いた車内テレメトリでは、AxonADは強力なベースライン上でのランキング品質と時間的ローカライゼーションを改善している。
論文 参考訳（メタデータ） (2026-03-13T11:40:51Z) - Centaur: Robust End-to-End Autonomous Driving with Test-Time Training [84.78837437133234]
我々は,手作業によるルールやコスト関数に頼ることなく,テストタイムトレーニングを通じてプランナーの行動を更新するCentaurを提案する。
本稿では,クラスタ・エントロピー(Cluster Entropy,クラスタ・エントロピー)と呼ばれる新しい不確実性尺度を開発した。
論文 参考訳（メタデータ） (2025-03-14T17:59:41Z) - FreDF: Learning to Forecast in the Frequency Domain [54.2091536822376]
時系列モデリングは、歴史的データと将来のシーケンスの両方における自己相関による固有の課題を提示する。
本稿では,周波数領域の予測学習によりラベル自己相関を緩和する周波数強調直接予測(FreDF)を提案する。
論文 参考訳（メタデータ） (2024-02-04T08:23:41Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。