自条件机制让 Flow Matching 实现深度序列推理

研究从电路复杂度角度证明，标准 flow matching 采样器的轨迹可由常数轮并行模型评估模拟，因此增加采样步数无法提升固定深度主干模型的表达能力。自条件（self-conditioning，即用上一步对最终图像的估计作为条件）能打破这一瓶颈：在多种视觉推理任务上，带自条件的 flow matching 准确率更高、推理深度更大，且性能随采样步数增加而提升。