연구진이 임의 확률 과정을 조건화하는 새로운 프레임워크 LatentFlow를 소개했어요. 이 프레임워크는 학습 없이, 모델별 맞춤형 구성 없이 작동해요.
LatentFlow는 확률 과정을 추적 가능한 잠재적 혁신의 결정론적 이미지로 표현하여 조건화 문제를 잠재 공간 추론으로 단순화해요.
이 프레임워크는 목표 법칙 수준에서 증명 가능한 정확성을 제공하며, 실제로는 유한한 터미널 노이징, 몬테카를로 가이드, 연속 시간 역학의 시간 이산화와 같은 요인으로 인해 근사화돼요.
LatentFlow는 다양한 모델 클래스에서 조건부 샘플링을 가능하게 하며, 기존 방법으로는 확장하기 어려웠던 공간 사전, 비선형 확률적 역학, 물리 및 생명 과학의 기계적 모델 등을 지원해요.