物理信息生成模型中的分布偏差：表征与缓解

研究揭示残差正则化扩散模型存在两种分布偏差：预测误差在不同可行状态附近产生不同残差代价，导致模型偏好低残差敏感状态（规避）；该偏好还可延伸至数据支撑集外的可行状态（泄漏）。为此提出数据锚定惩罚，用干净训练样本处的残差雅可比对预测误差加权并归一化，在不改变模型架构与采样流程的前提下消除状态迁移动机。在受控合成系统、三个 PDE 系统及流匹配分子过渡态生成任务上验证了锚定方法的有效性。