# 掩码离散流匹配

2 篇关联报道

订阅更新

arXiv 2026年11月7日
体素生成不再逐层定形：JoVox让细层参与粗层决策，训练显存与吞吐同时改善
JoVox把体素八叉树的各层放进同一个离散流匹配框架联合建模，让已经生成的细层单元参与尚未确定的粗层单元预测，而不是像分层方法那样先定粗层、再不回头地逐层细化。它同时一次预测细两级的单元，把网络要处理的层数减半。在Toys4k图像条件生成上，其体素倒角距离为0.01107、IoU为0.4158，优于TRELLIS.2的0.01250与0.4017；在相同骨干下，训练所需显存更低、吞吐更高。
JoVox把体素八叉树的各层放进同一个离散流匹配框架联合建模，让已经生成的细层单元参与尚未确定的粗层单元预测，而不是像分层方法那样先定粗层、再不回头地逐层细化。它同时一次预测细两级的单元，把网络要处理的层数减半。在Toys4k图像条件生成上，其体素倒角距离为0.01107、IoU为0.4158，优于TRELLIS.2的0.01250与0.4017；在相同骨干下，训练所需显存更低、吞吐更高。
唐香珺 Tang Xiangjun（第一作者）
JoVox体素生成框架掩码离散流匹配体素生成联合层次建模
arXiv 2026年10月6日
OMatGRPO 直接强化晶体生成器的离散组分通道，将 mSUN 从 13.4% 提升到 45.5%，并揭示单元素重排可虚增基准
该工作用组相对策略优化（GRPO）直接强化晶体生成器 OMatG 的离散原子类型通道，其闭式似然比使元素选择成为策略动作，配合含稳定性、新颖性与多样性并带稀疏凸包和单元素防护的奖励，在 LeMat-GenBench 上把亚稳、独特且新颖结构（mSUN）的产率从预训练模型的 13.4% 提升到 45.5%，同时记录策略对早期奖励的利用，并指出单元素重排会被现有 mSUN 实现计为发现。
该工作用组相对策略优化（GRPO）直接强化晶体生成器 OMatG 的离散原子类型通道，其闭式似然比使元素选择成为策略动作，配合含稳定性、新颖性与多样性并带稀疏凸包和单元素防护的奖励，在 LeMat-GenBench 上把亚稳、独特且新颖结构（mSUN）的产率从预训练模型的 13.4% 提升到 45.5%，同时记录策略对早期奖励的利用，并指出单元素重排会被现有 mSUN 实现计为发现。
New York University University of Florida
Pawan Prakash（第一作者）
OMatGRPO 组相对策略优化掩码离散流匹配晶体结构生成奖励黑客

已读完全部报道

体素生成不再逐层定形：JoVox让细层参与粗层决策，训练显存与吞吐同时改善

OMatGRPO 直接强化晶体生成器的离散组分通道，将 mSUN 从 13.4% 提升到 45.5%，并揭示单元素重排可虚增基准