تدفق الكتلة: تعلّم التدفق المستقيم على كتل البيانات

تُوفّر نماذج تطابق التدفق إطارًا قويًا لتطبيقات متنوعة، حيث تُقدّم عيّنات فعّالة ونمذجة مرنة للمسارات الاحتمالية. وتُميّز هذه النماذج التدفقات ذات الانحناء المنخفض في المسارات التوليدية المُتعلّمة، مما يؤدي إلى تقليل خطأ التقريب في كل خطوة من خطوات العيّنة. ولتقليل الانحناء بشكل أكبر، نقترح تقنية "التطابق المُكّ Bloc" (block matching). وتعتمد هذه الطريقة الجديدة على استخدام معلومات التسمية لتقسيم توزيع البيانات إلى كتل، ثم مطابقتها بتوزيع أولي مُعَمّم باستخدام نفس معلومات التسمية، وبالتالي تعلّم تدفقات أكثر استقامة. ونُظهر أن التباين في التوزيع الأولي يمكنه التحكّم في الحد الأقصى لانحناء المسارات التقدمية في نماذج تطابق التدفق. وبتصميم استراتيجيات تنظيم مرنة لتعديل هذا التباين، نحقّق أفضل أداء في التوليد، مع تحقيق توازن فعّال بين الحفاظ على تنوّع العيّنات المُولَّدة وتصغير أخطاء المُحلّلات العددية. وتُظهر نتائجنا أداءً تنافسيًا مع النماذج ذات الحجم نفسه من المعاملات. يمكن الوصول إلى الكود من خلال الرابط التالي: \url{https://github.com/wpp13749/block_flow}.