Tail Annealing for Heavy-Tailed Flow Matching
尾部退火：面向重尾流匹配的软对数变换
🧭 Flow Matching · 重尾训练技巧
CMAP, École Polytechnique, Institut Polytechnique de Paris
用坐标级软对数变换与Hill诊断，让标准流匹配零架构修改即可生成重尾数据且零发散
📌 工作参考价值（4 点）
- 电商用户行为数据（点击量、购买金额等）常呈现重尾，Log-FM 无需修改现有流匹配架构即可生成高质量重尾样本，用于数据增强或仿真
- 自适应 Hill 诊断自动识别每个特征的重尾性并决定是否变换，省去人工判断，可集成到自动化数据 pipeline
- 方法即插即用：训练前对重尾特征施加 soft-log 变换，生成后指数化还原，计算开销极低，适合大规模线上数据
- 在极端分位数（如 CVaR₉₉）上表现优异且零严重发散，对风险敏感的电商场景（库存压力测试、欺诈检测模拟）有直接应用价值