流匹配：直接学习把噪声连续运输到数据的速度场

生成模型的目标是从一个已知的简单分布里采样，得到服从目标数据分布的样本。把这件事看成一场"运输"：在 t=0 时刻，每一个粒子都从高斯噪声里独立抽取；在 t=1 时刻，这些粒子应当恰好落在数据分布上。只要我们能描述每个粒子在任意时刻、任意位置应当朝哪个方向、以多快的速度移动，就能把整团噪声连续地搬运成数据分布。

这个"应当移动的方向和快慢"用一个随时间变化的速度场 v_t(x) 来表示，其中 x 是粒子当前所处的位置，t 是时间。给定速度场之后，粒子的轨迹由常微分方程 dx/dt = v_t(x) 决定：位置对时间的导数等于该位置在当前时刻的速度。初始位置 x_0 从噪声分布采样，从 t=0 积分到 t=1，得到的 x_1 就是生成样本。因此生成问题被转化为两个子问题：先构造出一个合适的速度场，再沿这个速度场做积分。

直接用速度场替代"逐步预测噪声"的关键在于，速度是连续时间里的瞬时变化量。粒子每一步的位移方向由当前时刻的速度唯一确定，于是整条轨迹可以从初始点一次性推出来，而不需要在每个离散时间步上单独判断该加多少噪声或减多少噪声。学习的对象从"每步的噪声增量"变成了"每时每刻的移动速度"，两者描述的是同一种演化过程，只是速度场的表述在连续时间下更直接。

真正困难的地方在于，我们无法直接拿到想要的边缘速度场。所谓边缘速度，是指把所有可能的配对都考虑进来之后，粒子在时刻 t、位置 x 处"平均而言"应当具备的速度。它要求我们知道噪声点和数据点之间真实的对应关系，而这种对应在无监督生成里并不存在。流匹配的解决办法是构造一组容易采样的条件路径：先人为指定噪声点和数据点如何配对、路径如何从一端走向另一端，在每条条件路径的每个点上都能算出明确的目标速度，然后用回归去学习这些条件速度的条件期望。学到的函数就是边缘速度场的近似，最终用它来驱动从噪声到数据的运输。

最简单也最常用的条件路径是连接噪声点和数据点的直线。给定一个噪声端点 x₀ 和一个数据端点 x₁，规定粒子在时刻 t 的位置为 x_t = (1−t)·x₀ + t·x₁。t=0 时 x_t 等于 x₀，t=1 时 x_t 等于 x₁，中间各点则按比例在这两个端点之间做线性插值，整条轨迹是一条直线段。

用一个具体数字走一遍。设噪声点 x₀ = [−1, 2]，数据点 x₁ = [3, 0]，取 t = 0.25。此时位置是 (1−0.25)·[−1,2] + 0.25·[3,0]，即 0.75·[−1,2] + 0.25·[3,0]。第一维：0.75×(−1) + 0.25×3 = −0.75 + 0.75 = 0；第二维：0.75×2 + 0.25×0 = 1.5 + 0 = 1.5，所以 x_0.25 = [0, 1.5]。这个点落在从 [−1,2] 到 [3,0] 的直线段上，且位于全程四分之一的进度处。

条件速度是这个直线路径对时间的导数。对 x_t = (1−t)·x₀ + t·x₁ 关于 t 求导，得到 u_t = x₁ − x₀，这是一个不随时间变化的常向量。代入数字，u = [3,0] − [−1,2] = [4, −2]。这个速度的含义是：粒子每一时刻都沿着指向数据端点的方向、以固定速率移动，第一维每秒增加 4 个单位，第二维每秒减少 2 个单位，从 t=0 到 t=1 恰好走完从 x₀ 到 x₁ 的整段距离。

由此，训练数据对变得非常容易构造：随机抽一个噪声点 x₀、随机抽一个数据点 x₁、随机抽一个时间 t，先用插值公式算出位置 x_t，再算出条件速度 u = x₁ − x₀，于是网络看到的就是输入 (t, x_t)、需要回归的目标就是 u。因为每一条这样的配对都给出一个明确、无需优化的答案，训练样本的标签是"免费"得到的，这正是流匹配相比直接学习边缘速度场更方便的地方。

直线路径还有一个必须正视的后果：不同端点对产生的路径可能在同一位置交汇。同一个 (t, x_t) 可能同时被多条不同 (x₀, x₁) 路径穿过，而这些路径各自给出的条件速度方向并不相同。网络在这一点上不可能同时满足所有目标，最小化平方误差时它的最优输出是所有经过该点的条件速度的加权平均，也就是条件期望。这个平均行为正是后面要讲的边缘速度场的来源。

训练时网络并不被要求记住任何具体的样本对，而是最小化一个平方误差目标：对随机采样的 (t, x_t) 和对应的条件速度 u_t，让网络输出 v_θ(t, x_t) 尽量接近 u_t。写成期望形式就是 E‖v_θ(t, x_t) − u_t(x_t | x₁ 或端点)‖²，其中 u_t 是在给定端点条件下的条件速度。这个损失衡量的是网络预测的速度与"该点在这条特定路径上应有的速度"之间的偏差。

平方损失的数学性质决定了它的最优解不是去背某一条路径，而是取条件期望。对任意固定的 (t, x_t)，最小化与多个可能目标值之间的平方距离，最优的单一预测值就是这些目标值的加权平均，权重由各条路径经过该点的概率决定。因此网络收敛后输出的是 E[u_t | t, x_t]，也就是在已知时间和位置的条件下、对所有可能经过这里的条件速度求平均得到的速度。这个条件期望恰好等于使边缘概率路径满足连续性方程的那个速度场，在相应条件下两者一致。换句话说，网络在拟合大量条件速度的同时，隐式地学到了搬运整体分布所需的边缘速度场。

这种训练方式有一个直接的好处：不需要沿 ODE 模拟整条轨迹。每一步训练只需独立地采样一个时间 t、采样端点并算出路径点 x_t 和条件速度 u_t，就能得到一条训练样本，各样本之间互不依赖。因为没有逐步求解常微分方程、也没有误差在时间上的传播，这类训练被称为 simulation-free。与之对照，采样阶段仍然必须从初始噪声出发，沿学到的速度场积分到 t=1，这一步无法省略，积分离散化带来的误差会在下一节分析。训练廉价、采样需积分，是流匹配计算成本最鲜明的分界。

用一个二维双峰数据把前面的机制串起来，能直观看到速度场怎样把一团高斯噪声"分叉"成两个簇。设目标数据是两个彼此分开的簇，例如左簇和右簇。初始分布取标准高斯 N(0, I)，即粒子从原点附近的一团对称噪声出发；终点则随机来自左簇或右簇。

训练样本按如下流程构造：先从 N(0, I) 采一个噪声点 x₀，再从两个簇中随机采一个数据点 x₁，接着随机采一个时间 t，用直线路径（或带噪声的概率路径）算出该时刻的位置 x_t 以及对应的目标速度。网络在这样的样本上学习：早期当粒子还集中在原点附近、距离两簇的区分尚不明确时，速度场需要把它们粗分向左右两个方向；越接近 t=1，速度越收敛到各自簇的内部结构，把粒子精细地归入某一簇的具体形态。于是学到的速度场在整个空间上表现为：靠近中心处给出指向左或右的宏观分流，靠近各簇处给出收敛到簇内部的微观整理。

生成时换一批全新的初始点 x₀，从 t=0 开始沿学到的速度场积分到 t=1。积分器可以用简单的 Euler 法，也可以用高阶 ODE 求解器，具体选择决定了采样步数相同时的精度。画出每条轨迹就能检查场的行为是否健康：轨迹是否出现不必要的交叉、是否严重弯曲、是否在稀疏区域拥挤成一团。这些现象分别提示条件路径设计或速度场估计上的问题。

评估时可以做两方面的对照。一是增加采样步数，观察分布指标是否随步数增多而收敛；如果步数少时结果明显崩坏，说明路径或速度场的曲率较高，需要更多步或更精确的求解器。二是比较随机配对与最优运输式配对：前者随意连接噪声点和数据点，后者尽量让配对路径更短、更少交叉。观察两种配对下的轨迹长度和采样误差，可以判断路径选择对最终质量的影响。需要始终记住，终点样本的质量由两个来源共同决定：速度场本身的估计误差，以及采样时数值积分带来的误差。两者叠加决定了生成样本偏离真实数据分布的程度。

训练阶段和推理阶段的成本结构完全不同，这一差异正是流匹配容易让人误判的地方。训练时，我们并不模拟任何完整的轨迹。每个训练样本都是独立抽取的：从噪声分布抽一个端点 x₀，从数据分布抽一个端点 x₁，再随机抽一个中间时间 t，用插值公式直接算出该时刻的路径点 x_t 以及目标条件速度，然后用网络回归。整条路径上其他时刻是什么样子，训练时根本不需要知道，也不需要一步步求解微分方程。这就是"训练快"的来源：样本之间无依赖、标签可以闭式算出、没有时间方向上的误差累积。

推理时则必须把轨迹真正走一遍。给定一个新采样的噪声点 x₀，网络在每一时刻给出当前速度，我们需要从 t=0 逐步积分到 t=1，才能得到最终样本 x₁。这一步无法用一次前向计算完成，因为它本质上是解一个常微分方程初值问题：速度在每一步都随位置变化，位置又反过来决定下一步的速度。因此采样需要多步 ODE 积分，步数越多、求解器越精确，结果越接近真实轨迹。

两条流程的对比可以用一张图概括：训练阶段只在随机采样的路径点上回归目标速度，箭头从端点和中间点指向网络；推理阶段则从新噪声出发，沿网络给出的速度场进行多步积分，箭头沿时间方向串成一条完整轨迹。图的要点是一个对照关系——流匹配省去的是训练时的轨迹模拟，而不是推理时的 ODE 积分。训练可以用一步一个独立样本的方式廉价完成，但采样必须付出与积分精度相关的计算代价，两者并不对称。

所有概率路径的共同点是 t=0 端在噪声分布、t=1 端在数据分布，因此无论选哪条路径，终点一致；但不同路径的训练难度和采样效率可以相差很大，这个差异来自路径本身的几何与统计性质。

扩散型路径是"逐步加噪、再逐步去噪"的过程。它的理论最成熟，与随机过程、随机微分方程有直接联系，因此有大量现成工具可用来分析。它的代价是路径往往比较曲折，粒子在早期被噪声扩散得较散，采样时若要精确还原需要较多的 ODE 步。

最优运输式的位移插值则倾向于更直、更短的路径。它把噪声点尽量"直接"地搬到数据点，路径弯曲少，因此可能用更少的 ODE 步就能完成积分。直观上，路径越直，Euler 之类的低阶积分器越不容易偏离真实轨迹，少步采样的质量越好。

但"更直"并不自动等于"更容易学"。端点如何配对会改变条件路径的交叉程度，也会改变目标条件速度的方差：配对混乱时，同一个空间位置附近会出现方向相反的速度目标，网络被迫学习一个模糊的平均速度；配对规整时目标更一致，回归更容易。可见路径选择同时影响两件事——训练时目标速度的清晰程度，以及采样时轨迹的曲率。此外，真实高维数据分布的复杂结构、条件引导的介入、潜空间的几何形态，都会反过来改变路径的实际效果，使"最直路径最优"这个直觉并不总能成立。因此评价一种路径不能只看轨迹长短，而要联合轨迹长度、曲率、速度回归误差和少步采样质量一起来判断。

采样精度由积分步长直接决定，用一个可精确求解的例子能最清楚地看到误差如何累积。考虑速度场 v(x) = −x，初始位置 x₀ = 1，从 t=0 积分到 t=1。这个 ODE 的解是 x(t) = e^(−t)，所以 t=1 时的真实值是 e^(−1) ≈ 0.368。

用 Euler 法、步长 h = 0.5 走两步。Euler 更新公式是 x_{k+1} = x_k + h·v(x_k)，这里 v(x_k) = −x_k，所以 x_{k+1} = x_k − h·x_k。第一步：x₁ = 1 − 0.5×1 = 0.5。第二步：x₂ = 0.5 − 0.5×0.5 = 0.25。最终得到 0.25，而真实值是约 0.368，相对误差相当明显。

误差的根源在于 Euler 法每一步都假设速度在这一步内保持不变，但实际上速度随 x 连续变化，越远离起点这个假设越不成立，偏差就一步步累积。把步长缩小可以降低每一步的误差，或者改用高阶求解器（如 Runge–Kutta 类方法）在相同步数下获得更高精度，但两者都要付出更多计算量：步长减半意味着函数求值次数翻倍，高阶求解器每步也要多次调用网络。

实际流匹配中的速度场随时间和位置复杂变化，比这个一维例子难积分得多，因此不能只用"采样步数"来描述采样质量。同样步数下，不同求解器的函数求值次数（NFE，number of function evaluations）不同，而真正决定计算开销与精度权衡的是 NFE。正确的做法是画一条 NFE—质量曲线：横轴是函数求值次数，纵轴是生成质量，比较不同求解器和步数选择在曲线上的位置，而不是孤立地报告步数。这条曲线把积分误差与计算成本的关系显式化，是评价采样效率的标准方式。

条件生成让流匹配不仅能搬运分布，还能按指定条件定向搬运。条件流 v(x, t, c) 学习在条件 c（例如文本描述或类别标签）下，粒子应当如何从噪声运输到符合该条件的数据区域。训练时把条件嵌入作为网络输入之一，条件速度场便学会了"在给定条件下该往哪里走"。

classifier-free guidance 是一种增强条件对齐的技术。它同时训练一个条件模型和一个无条件模型，采样时把两者线性组合，让预测速度向条件方向偏移，从而放大条件对生成的影响。从速度场的角度看，这相当于人为改变了原来的速度方向：原本无条件部分的平均速度会被条件部分"拉"向更符合提示的区域。

这种改变是有代价的。指导强度过大时，粒子会被持续推向条件概率最高的狭窄区域，虽然生成内容与提示的匹配度提高，但多样性随之下降，因为采样只覆盖条件分布的一个尖峰而忽略了其余部分。同时，过强的引导会让速度场在高条件区变得尖锐，轨迹更僵硬、速度范数更大，数值积分更难，容易出现伪影。因此不能把提示匹配度当作唯一评价目标。应当分别测量条件遵循程度、生成分布的覆盖范围、速度场的范数大小，以及在不同采样步数下的稳定性，综合判断引导强度是否合适。合适的强度是在对齐与多样性、可积性之间取得平衡，而不是一味加大。

用 ODE 采样并不意味着就是流匹配，几类相关方法共享"连续运输"的框架，但在概念、核心机制和训练目标上各有不同。辨别它们要看三个维度：路径如何定义、训练目标是什么、采样器怎么选，而不能只凭"flow"这个名称下判断。

连续正规化流（continuous normalizing flow）的核心是可逆的 ODE 变换及其引起的密度变化。它直接关心分布密度沿时间如何演变，密度变化率由速度场的散度给出。训练通常需要计算散度或显式地最大化似然，因此与似然估计和密度求值紧密相关。它强调的是概率密度的精确可逆变换。

流匹配的核心是回归一条预先设定的概率路径上的速度。它先构造容易采样的条件路径（例如直线路径），在路径点上用闭式公式算出目标速度，然后让网络回归这些目标速度，形成 simulation-free 的训练目标。它不显式求散度或似然，而是直接拟合速度场，最终用该速度场驱动 ODE 采样。

扩散模型与 score 模型的根基是随机加噪过程和分数场（score）。它先定义前向的随机加噪，再学习后向去噪所需的分数函数。采样既可以走随机微分方程（SDE）路径，也可以走与之等价的概率流 ODE，因此"用 ODE 采样"在扩散模型里同样常见，但这并不把它变成流匹配。

rectified flow 是流匹配家族里一个更具体的设计。它刻意偏向直线路径，并通过"再流化"（reflow）反复拉直路径，以降低采样曲率和减少所需步数，属于流匹配框架下的一种具体实现。

这些方法之间互有重叠：扩散模型的概率流 ODE 与某种流匹配可以对应，连续正规化流也能在特定目标下与流匹配形式相通。但它们解决的问题侧重点不同——有的关心密度与似然，有的关心分数与去噪，有的关心速度与路径。比较时应明确路径、目标和采样器三者的具体设定，才能判断某方法究竟属于哪一类，而不是被名称误导。

当两个方向相反的条件路径经过同一个位置时，网络面临一个根本性的矛盾：同一个 (t, x) 点同时属于两条路径，而这两条路径给出的目标速度指向相反方向。平方损失的最优解是对经过该点的所有条件速度取平均。如果两个速度大小相等、方向相反，平均结果就是零；如果它们指向不同的数据模式，平均方向就落在两个模式之间，指向一个实际上没有数据的中间区域。网络无法在这一点上同时满足两个目标，只能给出折中。

这种平均行为在多路径交汇处制造出场的弯曲和决策模糊。速度方向在交汇点附近剧烈变化，形成高曲率区域；粒子的轨迹因此变得弯折，甚至停滞在平均速度接近零的地方。曲率越高，积分越困难，需要更小的步长或更精确的求解器才能走对，采样质量随之下降。

减少交叉可以从几个方向入手。最优运输式配对让端点之间的对应关系更规整，路径彼此平行而不是交叉，从而降低交汇处的冲突。引入条件信息把不同模式的路径在条件维度上分开，使同一位置不同模式的粒子获得不同的速度。重流化则直接在已学到的场的基础上重新拉直路径，进一步消除弯曲。

需要警惕的是，在高维空间中，单看几条轨迹的动画很容易被误导。个别轨迹看起来平直，不代表整个分布都被正确覆盖。应当用模式覆盖（各数据模式是否都被生成到）、局部速度方差（交汇处速度方向是否混乱）和终点分布误差来系统检查，这些指标才能反映高维空间里平均效应带来的真实影响。

训练损失低而生成样本差，说明问题出在"拟合速度"与"实际采样"之间的某个环节。要把误差来源拆开定位，需要分别测量三件事：场误差、积分误差和终点分布误差。

场误差衡量网络学到的速度场是否忠实。做法是在保留的路径点上计算速度的均方误差（MSE），即网络输出与真实目标速度的偏差。为了把场误差单独隔离出来，采样时改用高精度求解器：如果求解器足够精确，剩下的终点误差就主要来自速度场本身学得不准。这样就把"场学错了"和"积分没算准"区分开。

积分误差衡量离散化带来的偏差。固定同一个速度场，比较不同 NFE（函数求值次数）和不同求解器下终点质量的差异。NFE 增加、求解器阶数提高时质量若明显改善，说明此前的误差主要是数值积分造成的；若质量几乎不随 NFE 变化，则说明瓶颈不在积分而在场本身。

终点分布误差衡量最终样本分布与真实数据分布的整体差距。可用的指标包括：若密度可计算则直接算似然；对图像类任务常用 FID 这类分布距离；还要看精确率与召回率，分别反映样本是否真实、分布是否被充分覆盖；此外还应结合具体任务指标。同时检查轨迹是否爆炸（速度范数异常导致位置发散）、是否越界、是否存在条件漂移（生成结果偏离给定条件）。

跨方法比较时还要控制表示层与数据处理的变量。固定潜空间 codec 和数据处理流程，与扩散基线在相同的计算预算下比较，才能把性能差异归因于流匹配目标本身，而不是归因于不同的潜空间表示或数据预处理。否则结论会被表示差异污染。

把流匹配的各个环节按因果顺序连起来，可以看清一个想法如何从问题设定一路走到可验证的实践。

起点是选择两端的分布：t=0 端取简单的噪声分布（如高斯噪声），t=1 端取目标数据分布。有了两端，第二步是定义连接它们的条件概率路径，最常用的是直线插值 x_t = (1−t)·x₀ + t·x₁。第三步是在训练时随机采样时间 t 和路径点 x_t，这一步无需模拟整条轨迹。第四步是回归这些路径点上已知的条件速度 u = x₁ − x₀，网络输出 v_θ(t, x_t) 去逼近它。第五步，由于平方损失的最优解是条件期望，网络隐式地学到了边缘速度场——即在时间和位置条件下对所有可能条件速度的平均。第六步，采样时从新的噪声点出发，解 ODE dx/dt = v_θ(t, x)，把粒子积分到 t=1 得到数据样本。第七步，用采样步数和求解器阶数控制积分误差。第八步，按速度场、轨迹和终点分布三个层次分别评测，把场误差、积分误差和分布误差区分开。

这条链从"学习速度场"的概念开始，经过条件路径、回归目标、边缘速度的隐式形成，最终落到 ODE 采样和分层评测，每一步都以前一步的产出为输入，构成一条完整的因果链。

把这条因果链转成可验证的实践，需要固定变量、观察证据、并保留反证。验证的对象是"流匹配：直接学习把噪声连续运输到数据的速度场"这一主张。输入层要固定同一批样本、相同的预处理和权限边界，记录输入哈希、切片标签与拒绝原因，确保比较的是同一数据。机制层只改变一个核心变量（例如路径选择或配对方式），其余配置全部锁定，然后观察关键中间状态——速度场在哪些位置偏离、首次偏离预期出现在链的哪一环，从而定位问题。输出层采用同一套验收规则和相同的资源预算，比较质量、成本、延迟和失败率在各层次上的差异。反证层则保留一个不启用目标机制的对照组（例如不用流匹配目标，或用更简单的配对），检查收益是否在不同样本和随机种子上稳定复现。只有经过这四层验证，才能说"流匹配带来了所声称的改进"，而不是把表示差异、随机波动或其他混淆因素误判成方法本身的功劳。