通过流匹配生成反事实结果：耦合敏感端到端速率

论文提出一种基于流匹配的反事实生成方法，结合样本分割双重稳健训练目标与学习到的源-目标耦合，利用高斯平滑插值的得分校正随机采样器实现有限步生成。理论贡献在于耦合敏感KL边界，误差由源-目标位移矩控制而非全局速度场正则性，对环境维度近线性依赖。实验在合成与半合成图像基准上验证了耦合相关理论，并显示有限离散化预算下随机采样器可超越确定性ODE采样器。