Flow Matching with Semidiscrete Couplings
参数化为与时间相关的速度场的流动模型可以通过积分 ODE 从噪声生成数据。这些模型通常使用流匹配进行训练，即通过对噪声和目标点 (x0,x1)(\mathbf{x}_0, \mathbf{x}_1)(x0,x1) 的随机对进行采样，并确保沿分段链接评估时速度场平均与 x1−x0\mathbf{x}_1 - \mathbf{x}_0x1−x0 对齐x0\mathbf{x}_0x0 到 x1\mathbf{x}_1x1。虽然默认情况下这些对是独立采样的，但也可以通过将 nnn 噪声批次与 nnn 目标匹配来更仔细地选择它们......
Why Does Saturn’s Magnetosphere Rotate Differently from Its Interior?
摘要根据卡西尼号重力和环地震学数据推断，土星深部内部自转周期接近 10h 33m（± ~1-2 分钟）。其磁层（一个巨大的旋转等离子体气泡）显示出不同的“日数”：卡西尼号发现土星北部千米辐射（SKR）~10h 36m 和南部 SKR~10h 48m。这些周期随季节变化。这种不匹配的出现是因为外部因素（来自土卫二和环的等离子体、太阳风、电离层耦合）减慢或调制了磁层等离子体，因此它不再严格地与土星的深度自转同步旋转。土星的磁场几乎完全与其自转轴对齐（倾斜<0.007°），因此磁层时钟信号来自内部电流和带电粒子动力学，而不是倾斜的罗盘卡西尼号观测揭示了由场对准电流和季节效应驱动的复杂磁盘结构和双周期
The Black Box Problem: Why AI-Generated Code Stops Being Maintainable
相同的通知系统，两种架构。非结构化生成将所有内容耦合到一个模块中。结构化生成分解为具有显式单向依赖性的独立组件。图片由作者提供 文章《黑匣子问题：为什么人工智能生成的代码不再可维护》首先出现在《走向数据科学》上。
