奖励传输：通过噪声空间对齐进行流量匹配的属性控制

arXiv:2607.08781v1 公告类型：新 摘要：流匹配中的耦合（将噪声向量与数据点配对的规则）通常被视为一种计算选择。我们表明，这种耦合可以充当对齐接口：通过根据目标分子特性匹配噪声和数据，它将可控结构直接嵌入到学习的流场中。基于这一观点，我们引入了奖励传输，它在训练时使用最佳传输耦合来将标量噪声空间坐标与分子奖励对齐；推理时，改变这个坐标可以引导生成的分布，而不需要预言机、奖励模型、梯度引导或额外的计算。在耦合保持极限下，对该坐标进行阈值处理可以恢复交叉熵方法的截断奖励分布，从而提供有原则的、连续可调的分布级别控制旋钮。根据经验，在 ZINC-250K 和 GuacaMol 上，扫描标量会导致 logP 的单调控制以及在其工作范围内一致的 QED 控制；最明显的是，同一个旋钮对不同的目标产生相反的结构响应，为 logP 增大分子，但为 QED 缩小分子，这排除了一般尺寸偏差。该接口是对无分类器引导和条件流匹配的补充，而 epsilon 预测扩散下的负结果阐明了耦合级对齐在结构上不存在的位置。代码：https://github.com/KehanGuo2/reward-transport