Kernel-Gradient Drifting：基于核梯度的单步生成模型

研究者提出 kernel-gradient drifting，用核本身诱导的方向替换 drifting 模型中固定的欧氏位移方向，使一般核下的漂移呈现为核平滑数据分布与模型分布之间的 score 差，并为特征核带来可辨识性。该方法无需蒸馏预训练扩散模型，即可在球面地理数据、启动子 DNA 和分子生成上实现超越欧氏设定的单步生成。代码已公开。