Heavy-Tailed Flow Matching via Random Clocks
基于随机时钟的重尾流匹配
🧭 重尾生成建模 · 流匹配
Johns Hopkins University · National University of Singapore
将重尾源分布分解为时钟条件高斯混合，使流匹配适配稀有事件生成并支持尾部校准。
📌 工作参考价值（4 点）
- 推荐系统中长尾物品和极端用户行为的生成：可将长尾分布视为重尾，利用 HTFM 的条件高斯混合机制生成更真实的尾部样本，缓解冷启动和多样性问题。
- 低采样步骤特性：HTFM 保留了流匹配的低 NFE（如 5 步）快速生成，适合在线推理场景，降低工程延迟。
- 尾部程度可调控：通过改变时钟律或尾部参数即可校准生成样本的重尾程度，可用于广告投放中的风险控制，例如调节收益分布尾部厚度以匹配业务目标。
- 条件编码思路：truncated logsignature 编码路径特征，轻量高效，可推广至其他需要将连续条件路径嵌入的条件生成任务，如用户行为序列建模。