Scaling Categorical Flow Maps
Apple Machine Learning Research459 字 (约 2 分钟)
85
苹果研究团队成功训练1.7B参数的Categorical Flow Maps模型，在4步推理中生成高质量文本，且提出半离散设置下的似然界理论。
入选理由：7B参数模型在4步推理中达到数据级token熵水平
FeaturedArticle#语言模型#流匹配#扩散模型#大规模训练英文
模型
Categorical Flow Maps
别名：CFMs
连续流匹配模型，用于离散数据生成的新型语言建模方法。
已跟踪 1 条高相关材料
TraeAI 观察
最近变化
2026-08-07 · 7B参数模型在4步推理中达到数据级token熵水平
为什么值得关注
Categorical Flow Maps 被反复提及时，通常意味着它正在影响产品路线、开发者工作流或 AI 产业判断。这个页面把分散材料合并成一个可持续更新的观察入口。
大规模训练扩散模型流匹配语言模型
相关材料
已收录 1 条与 Categorical Flow Maps 相关的内容，按评分排序。