流匹配：为什么直线插值并不意味着一步生成

技术专论 · 连续生成模型 · 2026 年 9 月 21 日

摘要

流匹配可以通过在噪声与数据之间进行直线插值来构造训练样本。但这种简单性并不意味着生成器沿直线运动，也不意味着一次数值积分就能得到目标分布。本文分析从条件速度到其条件均值的转换，并推导一个完全可解的高斯案例。精确向量场可以把 N(0,1) 变为 N(3,4)，但一次欧拉更新却会把所有样本压缩到点 3。我们在明确的向量场计算预算下比较欧拉法与 Heun 法，并区分学习误差、概率路径和数值积分。这给出了一个可验证的例子：即使生成器拥有正确的向量场，也可能产生错误的分布。

前置知识与贡献。阅读需要导数、条件概率和高斯分布的基本知识。本文是附有实际计算的教学推导，不是新的生成方法，也不是图像基准测试的复现。我们不训练神经网络，而是使用已知的精确向量场，仅研究概率运输与数值采样。

1. 学习的是什么，积分的又是什么？

连续生成模型从一个简单随机变量 X₀ 出发，例如高斯噪声，将其变换为分布接近数据的随机变量。时间 t 属于 [0,1]，并不代表图像场景中的物理时间。向量场 v(t,x) 为每个位置 x 指定速度。生成样本是满足 dX/dt = v(t,X) 的轨迹的终点。

这段描述已经包含两个不同对象：每个时刻的样本分布，以及每个样本的运动轨迹。不同向量场可以运输同一种分布。指定概率质量应当到达哪里，并不能唯一决定所有轨迹。在多维空间中，某些运动可以改变轨迹而不改变特定密度。

流匹配的基础论文将学习表述为速度场回归，并构造了可计算的条件目标。本文重点研究原方法明确区分的条件场与边缘场。我们选择一个标量案例，使每个步骤都能完整算出。[1，第 3—4 节]

需要避免一种术语误解：“无需模拟的训练”是指构造训练样本时不必积分模型的常微分方程，并不意味着生成过程无需积分。要得到新样本，仍然必须精确或近似地求解一个动力系统。

2. 从样本对到速度回归

从初始分布选取 X₀，从目标分布选取 X₁，暂时让它们彼此独立。定义插值及其导数：

X_t = (1−t)X₀ + tX₁, U = X₁−X₀.
L(θ) = E[‖v_θ(t,X_t)−U‖²]. (1)

时间均匀采样。因为知道样本对的两个端点，所以目标 U 可以直接计算。但网络只接收 t 和 X_t，看不到隐藏的端点。不同样本对可能在同一中间位置对应不同速度。因此，即使模型容量无限，也未必能精确重建每个样本的速度。

平方损失的最优解是条件均值。固定时间和位置，写成 U = E[U|X_t] + R，其中残差 R 的条件均值为零。展开平方后交叉项消失，得到：

v*(t,x) = E[U | X_t=x]
E[‖v−U‖²] = E[‖v−v*‖²] + E[‖U−v*‖²]. (2)

第二项与网络参数无关。因此，训练损失为正也可以对应完美的边缘场。如果在比较不同概率路径的损失绝对值时忽略这一不可约分量，就可能错误判断模型质量。

为什么条件均值能运输正确的分布？取一个光滑测试函数 f。根据链式法则，dE[f(X_t)]/dt = E[∇f(X_t)·U]。对 X_t 取条件期望后，可以用 v* 替换 U。这就是边缘场对应连续性方程的弱形式。该论证需要足够的正则性与可积性，以交换求导和期望；仅有回归公式并不足以忽略这些假设。

3. 一个完全可解的高斯案例

考虑相互独立的 X₀ ∼ N(0,1) 与 X₁ ∼ N(μ,σ²)。插值仍为高斯分布，其均值是 m(t) = tμ，方差是 D(t) = (1−t)² + t²σ²。速度 U 满足 E[U] = μ，且 Cov(U,X_t) = tσ²−(1−t)。

联合高斯变量的条件均值是仿射函数。代入刚刚计算的量可得：

D(t) = (1−t)² + t²σ², c(t) = tσ²−(1−t)
v*(t,x) = μ + [c(t)/D(t)](x−tμ). (3)

当 σ > 0 时，分母在整个区间内保持正值。这个案例的边缘场在端点处没有奇异性。它对 x 的依赖是线性的，但系数随时间变化。“对状态线性”与“轨迹随时间呈直线”是不同的性质。

以 z 为初值的常微分方程具有显式解：

φ(t,z) = tμ + √D(t) z.
φ(0,z)=z, φ(1,z)=μ+σz. (4)

验证时注意 D′(t)=2c(t)。对解求导得到 μ + c(t)z/√D(t)。把 x=φ(t,z) 代入式（3），结果完全相同。如果 z 服从标准正态分布，那么该解的均值恰好为 tμ，方差为 D(t)。这同时验证了动力学与分布，而不依赖点云图像看起来是否正确。

本文计算取 μ=3、σ=2。方差起初下降：D(t)=1−2t+5t² 在 t=0.2 达到最小值 0.8，随后上升至 4。流先收缩再扩张。对于非零 z，√D(t) 使轨迹随时间不再是仿射函数，尽管构造训练目标时使用的是条件直线插值。

4. 样本对的直线并不是生成器的轨迹

直线 (1−t)x₀+tx₁ 保留了某个初始样本对的身份。边缘场则汇总了与当前位置相容的速度。一般来说，它的轨迹不会保留原始 x₀ 与 x₁ 的配对关系。在本例中，常微分方程总是终止于 μ+σx₀，而训练样本对中的 x₁ 与 x₀ 是独立的。

这并不矛盾：两种构造具有相同的中间边缘分布，却具有不同的端点依赖关系。生成器需要产生最终分布，并不必须重现构造目标时所用的随机耦合。把分布和耦合混为一谈，会让一个直接的条件期望运算显得难以理解。

还可以改变耦合方式。若取 X₁=μ+σX₀，而不是独立采样，插值就变成 X_t=tμ+[1+t(σ−1)]X₀。此时每条轨迹都是直线，中间方差为 [1+t(σ−1)]²，给定 X_t 后条件速度没有歧义。端点分布没有改变，改变的是连接它们的道路。

这个比较说明了配对方式的作用。实际中，我们通常不知道噪声与复杂数据之间的精确运输映射。高斯情形的简便性不能直接推广到图像，但足以证明：目标分布本身并不能决定回归或采样的难度。

5. 完美向量场也可能具有正损失

在独立耦合下，速度的条件方差不随位置变化，但随时间变化。高斯条件分布公式给出：

Var(U | X_t) = (1+σ²) − c(t)²/D(t) = σ²/D(t). (5)

当 σ=2 时，这个量在起点为 4，在 D 的最小值处为 5，在终点为 1。它们不是网络误差，而是独立耦合产生的目标歧义。展开 (1+σ²)D−c² 后恰好得到 σ²，从而验证最后一个等式。对照条件方差为零的确定性耦合，就能看出为什么损失不是脱离上下文也能比较的通用指标。

网络仍然能够从带噪目标中学到有用的均值。式（2）解释了原因：最小化条件损失会减小相对于边缘场的偏差，即使仍有不可消除的分量。这是统计回归现象，不要求每一个训练样本都能被精确重建。

6. 已执行的实验：一步就可能破坏分布

我们使用均匀步长，以显式欧拉法和 Heun 法积分精确场（3）。欧拉法每步计算一次向量场，Heun 法计算两次。令 h=1/n，两种更新规则分别为：

Euler: x_j+1 = x_j + h v(t_j,x_j)
Heun: k₁=v(t_j,x_j), k₂=v(t_j+h,x_j+hk₁)
x_j+1 = x_j + h(k₁+k₂)/2. (6)

当 n=1 时，欧拉法计算 v(0,z)=3−z，因此对任意 z，输出都是 z+(3−z)=3。噪声完全消失，结果是点质量分布，尽管目标为 N(3,4)。均值正确，但方差为零。如果只检查均值，就会把一个完全错误的采样器判为成功。

由于向量场与积分器都对状态保持仿射结构，数值输出仍是 z 的仿射变换。只需对 z=0 和 z=1 积分，就能精确确定其均值与标准差，无需蒙特卡洛采样。我们测量一维高斯分布之间的二阶 Wasserstein 距离：W₂²=(m−3)²+(s−2)²，其中 m 和 s 是数值输出的均值与标准差。该公式也包含退化情形 s=0。

方法	步数	计算次数 NFE	标准差	W₂
Euler	1	1	0.000000	2.000000
Euler	4	4	1.362162	0.637838
Heun	2	4	1.530000	0.470000
Euler	16	16	1.822732	0.177268
Heun	8	16	1.980850	0.019150
Euler	64	64	1.954221	0.045779
Heun	32	64	1.999010	0.000990

非直线的高斯边缘流轨迹，以及欧拉法和 Heun 法的 Wasserstein 误差随向量场计算次数的变化。 — 图 1。上图：五个初始值的精确解。下图：无需随机采样计算出的分布误差，横纵轴均为对数尺度。图中比较的是向量场计算次数，并非 GPU 实测耗时。

计算使用 Python 3.14.0，仅依赖标准库。由于运算是确定性的，不需要随机种子。对精确解的导数进行有限差分检查，最大偏差约为 6.07×10⁻¹⁰。完整结果还包括其他中间步数，并与代码一同提供。

在 16 次向量场计算的预算下，Heun 法误差约为 0.01915，欧拉法约为 0.17727。这是本光滑问题的结果，并不保证 Heun 法在所有神经生成器中都更高效。这里计算向量场的成本很小；真实模型还涉及批次大小、精度、架构、内存与每次求值成本。NFE 是有用的结构性指标，但不是计时器。

7. 选择生成器前，先区分三类误差

第一类是统计误差：有限数据和模型容量可能妨碍学习 v*。第二类与目标和概率路径有关：构造所定义的最终分布可能是数据的正则化版本，或者耦合方式使向量场难以学习。第三类是数值误差：即使向量场完美，过于粗糙的求解器仍会产生错误样本。本实验消除了第一类误差，并单独研究第三类。

更低的损失本身并不能说明哪类误差减小了。增加步数不能系统地修复错误向量场，只会更准确地积分错误动力学。反过来，如果采样器主导最终误差，更好的网络也可能无法体现优势。因此，应分别改变模型、路径与积分方式。

有信息量的实验先固定向量场研究数值收敛，再固定一个足够准确的求解器比较学习到的场。对于图像，分布和质量并不能简化为均值与方差；本文的解析 W₂ 不能替代适合实际领域的指标和评估。这个例子的教学优势恰恰在于拥有精确真值，可以逐步核验。

2025 年的 MIT 讲义讨论了概率路径、边缘场与学习之间的关系，可作为扩展本分析的参考。本文不比较最新生成架构，也不宣布谁代表最先进水平，而是研究理解这些模型所需的一个基本机制。[2，第 2—4 节]

8. 复现材料与结论

附带程序实现 D(t)、向量场、精确解和两种积分器。运行命令为 python experiment.py --out results.json。绘图脚本需要 Matplotlib；压缩包包含说明与版本信息。不需要模型权重、数据集或外部服务。

def variance(t):
    return (1-t)**2 + 4*t*t

def velocity(t, x):
    return 3 + (-1+5*t)/variance(t) * (x-3*t)

def exact(t, z):
    return 3*t + math.sqrt(variance(t))*z

下载代码、结果与说明 · JSON 数值结果。

结论很明确：让条件样本沿直线运动，并不足以让边缘流也沿直线运动。模型学习的是条件均值，生成器积分的是这个场。中间分布、样本对耦合、回归歧义和数值精度是不同层面。在本例中，向量场精确、最终均值正确，但一步更新仍会破坏全部目标变异性。严谨理解生成模型，依赖的是对这些假设的检查，而不是插值表面上的简单性。

参考文献

Lipman, Y., Chen, R. T. Q., Ben-Hamu, H., Nickel, M., Le, M. Flow Matching for Generative Modeling。arXiv:2210.02747v2，2023 年。方法：第 3—4 节；实验协议：第 6 节。
Holderrieth, P., Erives, E. An Introduction to Flow Matching and Diffusion Models。MIT 6.S184 讲义，arXiv:2506.02070v1，2025 年。路径、向量场与回归：第 2—4 节。

本文在 AI 辅助下完成。实验为合成教学案例，并非 EL-AI 企业研究成果。封面为 AI 生成的示意图；科学图表来自随文计算。