# 连续归一化流

类星体光变常被当作阻尼随机游走（DRW）来检验周期信号是否显著，但噪声模型选错会让显著性估计系统性偏移。Nullasar用流匹配从整批合成光变曲线中学习随机变异的统计结构，不预设噪声模型，再以单条观测曲线为条件生成零假设样本。在合成AR(2)光变上，它的周期检测AUC为0.9648（三次独立训练平均），高于逐条拟合AR(2)的0.9180；在AR(1)情形下与拟合正确DRW模型相当。

类星体光变常被当作阻尼随机游走（DRW）来检验周期信号是否显著，但噪声模型选错会让显著性估计系统性偏移。Nullasar用流匹配从整批合成光变曲线中学习随机变异的统计结构，不预设噪声模型，再以单条观测曲线为条件生成零假设样本。在合成AR(2)光变上，它的周期检测AUC为0.9648（三次独立训练平均），高于逐条拟合AR(2)的0.9180；在AR(1)情形下与拟合正确DRW模型相当。

AllShowers 是一个基于 Transformer 架构的连续归一化流生成模型，用单一模型在高度粒度的 ILD 探测器中生成电子、光子以及带电和中性强子的量能器簇射，无需重新训练即可覆盖较宽的入射能量与角度范围，并在强子簇射的保真度上超过此前针对单一粒子类型训练的模型。

AllShowers 是一个基于 Transformer 架构的连续归一化流生成模型，用单一模型在高度粒度的 ILD 探测器中生成电子、光子以及带电和中性强子的量能器簇射，无需重新训练即可覆盖较宽的入射能量与角度范围，并在强子簇射的保真度上超过此前针对单一粒子类型训练的模型。