来自阿姆斯特丹大学的研究者 Pedro Curvo 与 Jan-Willem van de Meent 等人提出论文《Follow the Mean: Reference-Guided Flow Matching》（arXiv: 2605.10302），为控制预训练生成模型提供了一条低成本新路径。论文核心洞察在于：在确定性插值（Deterministic Interpolants）框架下，生成轨迹的速度场由终点均值（Endpoint Mean）唯一决定——只需在采样阶段偏移这一均值，整条生成轨迹即随之改变。用户提供一组具备目标属性的参考图像，模型计算其经验均值并以此修正生成方向，无需重新训练，也无需额外的奖励网络或分类器引导，对颜色、风格、身份特征、结构形态均有效。
论文提出两种具体实现：一是免训练的参考均值引导（RMG），直接以闭合形式修正冻结模型；二是在此基础上学习残差精炼器的半参数化版本，参考集甚至可在推理时随时更换。演示案例涵盖风格迁移、属性编辑与解剖结构修正等场景，代码已在 GitHub 开源。合著者 van de Meent 称其"简单到近乎令人难为情，但效果远超预期"。
arXiv | HuggingFace | GitHub