Flow Matching & Rectified Flow: 解释 Flow Matching 与 Diffusion 的统一视角。

Core Concept: 两者都是'学一个把噪声输运到数据的场'：扩散用加噪路径 + score，FM 用任意路径 + 速度场；可互相转换。

数学机理：<strong>统一框架</strong>——(1) <strong>共同的数学结构</strong>——两者都定义'把噪声分布输运到数据分布'的过程，可用 <strong>ODE</strong>（确定性）或 <strong>SDE</strong>（随机）描述：dx=v(x,t)dt（ODE）或 dx=f(x,t)dt+g(t)dW（SDE）；生成即'从噪声积分到数据'。(2) <strong>两个场的对应</strong>——(a) <strong>扩散</strong>学 <strong>score</strong> ∇log p_t(x)（通过 ε/v/x_0-prediction）；(b) <strong>FM</strong>学 <strong>速度场</strong> v(x,t)；(c) <strong>关系</strong>：v=f(x,t)−½g²(t)·∇log p_t（来自 SDE/ODE 的转换），即'速度 = 漂移 − ½扩散系数² × score'。(3) <strong>路径的差异</strong>——(a) <strong>扩散</strong>的路径由'加噪调度'决定（x_t=√ᾱ_t x_0+√(1−ᾱ_t)ε）——<strong>弯曲</strong>（非直线）；(b) <strong>FM</strong>可定义<strong>任意路径</strong>（含直线、OT 路径）——故可优化'路径直度'（→ 少步）。(4) <strong>目标参数化的差异</strong>——(a) 扩散需选 ε/v/x_0-prediction（因为不同 SNR 区间难度不同）；(b) FM 的直线路径目标是常数（x_1−x_0）——<strong>更简单</strong>。(5) <strong>训练损失的等价性</strong>——对同一路径，'score matching 损失'与'FM 损失'<strong>等价</strong>（因为两个场有线性关系）；故两者的'训练'本质相同。<strong>统一视角的实用价值</strong>——(a) <strong>理论统一</strong>——不必区分'扩散派'与'FM 派'（它们是同一框架的特例）；(b) <strong>技术迁移</strong>——采样器（SDE/ODE 求解器）、引导（CFG）、参数化、量化都可在两者间迁移；(c) <strong>路径设计空间</strong>——统一视角下，'选路径'成为明确的设计维度（直线/OT/扩散/VP/VE）；(d) <strong>模型互转</strong>——可从扩散模型转 FM（或反之），便于复用预训练权重。<strong>为什么现代模型倾向 FM</strong>——(a) <strong>训练目标更简单</strong>（常数目标、无参数化难题）；(b) <strong>路径可设计</strong>（直线/OT → 少步采样）；(c) <strong>与扩散等价</strong>（无功能损失）；(d) <strong>实证</strong>——SD3、Flux、以及多数新模型用 FM（rectified flow）。<strong>更一般的框架</strong>——(a) <strong>随机插值（Stochastic Interpolants）</strong>——用'插值 + 噪声'统一描述（包含扩散与 FM）；(b) <strong>基于流的生成模型（Flow-based）</strong>——连续归一化流（CNF）的一般理论。<strong>实践建议</strong>——(a) <strong>新项目</strong> → FM（rectified flow，训练简单 + 少步友好）；(b) <strong>复用已有扩散模型</strong> → 用扩散路径的 FM（等价）；(c) <strong>理解理论</strong> → 用统一视角（SDE/ODE + 场）。<strong>度量</strong>——(a) 步数 vs 质量；(b) 训练稳定性；(c) 与已有生态的兼容性。

深度剖析与工程权衡：① <strong>'两者是同一框架的特例'是核心认知</strong>——面试中能给出 v=f−½g²∇log p 的关系式并说明'差异在路径与参数化'是深度理解的标志。② <strong>'技术可迁移'是统一视角的实用价值</strong>——采样器、引导、量化等都通用；这降低了'换框架'的成本。③ <strong>'FM 训练更简单'是它流行的直接原因</strong>——常数目标、无参数化难题；这减少了调参负担。④ <strong>'路径可设计'是 FM 的独特优势</strong>——扩散的路径被'加噪调度'固定；FM 可选（直线/OT），从而优化少步采样。⑤ <strong>'等价性'避免'派系之争'</strong>——不必争论'扩散 vs FM'（同一框架）；应根据'路径设计与工程便利'选择。⑥ <strong>面试要点</strong>——被问'FM 与扩散的关系'，应给出'<strong>统一为 ODE/SDE + 场（扩散学 score、FM 学速度）+ v=f−½g²∇log p 互相转换 + 差异在路径与参数化</strong>'与'<strong>FM 训练更简单、路径可设计</strong>'；能写出统一的关系式是深度理解的标志。