MintFlow：约束流匹配的最小轨迹干预

流匹配模型擅长生成建模，许多下游应用要求样本满足规定约束（如观测值与物理定律），但现有约束采样器常面临权衡：施加约束会使样本大幅偏离预训练数据分布。为此我们提出MintFlow，一个训练自由的约束采样框架，把约束执行表述为对预训练流轨迹的最小干预：寻找中间流状态的最小扰动，使其在预训练流场下的后续演化满足目标约束。由于只最小扰动流状态而保持预训练流场不变，MintFlow在满足约束的同时最小化对预训练分布的不必要偏离。伴随表述给出该扰动的闭式表达式，免去昂贵的迭代优化；框架还自适应选择干预时刻，以平衡所需扰动幅度与剩余流场的放大效应。在生成视觉与物理系统建模的一系列任务上，MintFlow在约束满足具竞争力的同时，对预训练生成分布的保持显著优于现有约束方法。