**FlowBender：利用推理反馈实现自校正条件流模型**

_FlowBender: Feedback-Aware Training for Self-Correcting Conditional Flows_

> 条件扩散或流模型常无法满足任务约束，如深度条件生成中深度不匹配。FlowBender将模型自身的对齐误差作为输入，训练网络学习校正策略。通过前瞻估计洁净信号、计算任务偏差并生成修正速度，框架可处理可微与不可微算子（如JPEG压缩），且引入先验步捷径实现高效采样。在图像翻译、恢复和3D网格纹理等任务上，FlowBender同时提升了保真度与合理性，优于传统监督训练与现有推理时引导方法。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-06-19 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2606.20404)