通过路径-流对齐实现路径与流的协同演化

研究提出路径-流对齐作为 flow matching 的统一训练目标，联合训练保端点的路径网络与流网络，使流匹配路径速度、路径对齐当前流。作者发现路径过拟合：对齐损失下降但样本质量变差，与概率路径中的低熵瓶颈有关。为此引入随机路径正则化器，隐藏部分源信息并保持端点精确，在 ImageNet-256x256 与 SiT 骨干上跨模型规模持续改善 FID。