ICML 2025 Spotlight | 新理论框架解锁流匹配模型的引导生成

本文第一作者是西湖大学博士生冯睿骐，通讯作者为西湖大学人工智能系助理教授吴泰霖。吴泰霖实验 室专注于解决 AI 和科学交叉的核心问题，包含科学仿真、控制、科学发现。 在解决离线强化学习、图片逆问题等任务中，对生成模型的 能量引导 （energy guidance）是一种可 控的生成方法，它构造灵活，适用于各种任务，且允许无额外训练条件生成模型。同时 流匹配 （flow matching）框架作为一种生成模型，近期在分子生成、图片生成等领域中已经展现出巨大潜力。 然而，作为比扩散模型更一般的框架，流匹配允许从几乎任意的源分布以及耦合分布中生成样本。这在 使得它更灵活的同时，也使得能量引导的实现 与扩散模型有根本不同且更加复杂 。因此，对于流匹配 来说，如何得到具有理论保证的能量引导算法仍然是一个挑战。 针对这一问题，作者从理论上推导得到全新能量引导理论框架，并进一步提出多样的实际能量引导算 法，可以根据任务特性进行灵活选择。本工作的主要贡献如下： 本工作首次提出了流匹配能量引导理论框架。 在本框架指导下，本工作提出三大类无需训练的实用流匹配能量引导算法，并可将经典扩散模型 能量引导算法包含为特例。 本工作给出了 ...