ConicFlow：流匹配模型推理期带约束最优控制

研究者提出 ConicFlow，将流匹配模型在推理阶段的带约束采样建模为最优控制问题，通过滚动时域原始-对偶算法在满足硬性终端约束的同时平衡预训练轨迹偏离度与奖励。该方法还提出了终端估计变体，通过在预测终端点评估约束以避免局部截断误差积累。在低维与高维大规模流匹配模型实验中，ConicFlow 相比基线方法偏离预训练流更小，同时实现了高奖励与强约束满足率。