带解耦生成引导的多智能体 Flow Matching

生成建模被广泛用于从复杂多模态分布中产生多样对象，但其表达能力通常不附带生成对象满足硬约束或要求的正式保证。在多智能体生成中该问题更棘手：硬性要求可能依赖多个智能体，而每个智能体又需在不依赖其他智能体同时计算的引导输入的情况下确定自身引导。为此作者提出 DeGG-Flow，一个带解耦生成引导的多智能体 flow matching 通用框架。通过将生成过程表示为控制仿射动力系统，作者为两类耦合需求推导引导条件：由多个智能体共同满足的共享需求，以及与各智能体相关、依赖其邻居的私有需求，并为两类需求建立可行性结论。

AI推荐理由 提出 DeGG-Flow，一个多智能体 flow matching 与解耦生成引导的通用框架，将生成过程表示为控制仿射动力系统，为两类耦合需求（多智能体共同满足的共享需求、各智能体依赖邻居的私有需求）建立引导条件与可行性结论。属于生成建模与多智能体约束满足的理论工作，摘要未给出具体应用评测。