生成模型Nullasar学习类星体光变

1. 13:00
   arXiv cs.AI

   Nullasar：用生成模型学习类星体光变，替代 DRW 零假设

   研究团队提出生成模型 Nullasar，用 flow matching 直接从时序数据学习类星体光变，无需显式假设噪声模型。在合成光变曲线的周期信号检测中，Nullasar 作为零假设的表现与对每条曲线拟合正确 DRW 模型相当，且在光变遵循更灵活的 AR(2) 模型时优于参数拟合。作者同时指出训练集被非零假设信号污染会带来敏感性限制，将模型条件向量投影到主成分上可大幅缓解。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。