Reward Transport：流匹配中的属性控制新范式——噪声空间对齐
核心发现：耦合不仅是计算选择，更是对齐接口
在生成模型中，流匹配（Flow Matching） 通过定义噪声向量与数据点之间的配对规则（即耦合）来学习概率路径。传统上，这种耦合被视为纯粹的计算选择。然而，近日发表于 arXiv 的一篇论文《Reward Transport: Property Control in Flow Matching via Noise-Space Alignment》提出了一个颠覆性观点：耦合可以作为一种对齐接口——通过根据目标分子属性匹配噪声与数据，可控结构被直接嵌入到学习到的流场中。
方法：Reward Transport 的机制
基于这一洞察，研究团队引入了 Reward Transport 方法。其核心思想是：在训练阶段，使用最优传输（Optimal Transport）耦合将标量噪声空间坐标与分子奖励（如 logP、QED）对齐。在推理时，通过简单地改变这个噪声坐标，即可引导生成分布向高奖励区域偏移，无需依赖 Oracle 模型、奖励模型、梯度引导或额外计算。
值得注意的是，在耦合保持的极限情况下，对该坐标进行阈值化可以恢复交叉熵方法（Cross-Entropy Method） 的截断奖励分布，从而提供一个原理清晰、连续可调的分布级控制旋钮。
实验验证：单调控制与特异性响应
实验在 ZINC-250K 和 GuacaMol 基准上进行。结果表明，通过扫描标量噪声坐标，模型实现了对 logP 的单调控制，以及对 QED 在其操作范围内的一致控制。最令人印象深刻的是，同一个旋钮对不同目标产生了相反的结构响应：对于 logP 倾向于生成更大的分子，而对于 QED 则倾向于更小的分子——这排除了简单的大小偏差干扰。
与现有方法的兼容性与局限性
Reward Transport 与无分类器指导（Classifier-Free Guidance）和条件流匹配是互补的。然而，论文也报告了一个负面结果：在 epsilon 预测扩散（epsilon-prediction diffusion）下，该方法失效，这恰好说明了耦合级别对齐的结构缺失。
行业意义与未来方向
这项工作为分子生成中的属性控制提供了一种轻量级、无需额外训练的解决方案，有望加速药物发现和材料设计中的逆向优化。其核心思想——利用耦合作为对齐接口——也可能启发其他生成任务（如图像、文本）中的可控生成方法。
论文代码已开源，感兴趣的读者可进一步探索。