克拉克森大学研究团队近日成功开发出一款名为Rex的新型数学求解器家族，旨在显著提升生成式人工智能系统的精度与可控性。该研究由博士后赞德·布拉辛格梅与电气与计算机工程教授陈刘联合完成，核心成果已提交至arXiv，并将于2026年国际机器学习大会正式发表。 当前主流生成式AI普遍依赖扩散模型与流匹配模型，通过从随机噪声逐步构建数据来生成内容。然而，在图像编辑与药物研发等需反向追溯原始信息的场景中，传统方法在反向运行时常因数值误差累积导致信息失真。Rex框架通过精准对齐正反向演化过程，实现了高阶可逆性。测试表明，其反演误差较同类技术降低数个数量级，且无需重构现有AI架构即可直接嵌入主流模型管线。 该技术的突破将直接赋能多个前沿领域。在创意产业方面，Rex可实现高保真的往返图像编辑，使创作者在修改生成内容时精准保留细节；在科研与医疗领域，其高精度轨迹追踪能力将大幅优化分子动力学模拟与新药筛选流程。主要作者布拉辛格梅已赴维也纳AITHYRA机构开展后续工作，该算法的无缝集成有望加速下一代可控AI系统的研发与落地。