Doob h-变换

NeurIPS 2026 论文提出 D-DOIT，将奖励适配视为分布搬运问题，借助 Doob h-变换推导出掩码离散扩散上的推理期采样规则，无需改动模型参数、也无需奖励梯度，即可让冻结模型对齐任意黑盒奖励。在 HepG2 增强子设计任务上，高预算 D-DOIT-Q 预测活性达 6.19，超过需微调的 DRAKES（5.61），并在蛋白质逆折叠任务上验证了通用性。