D-DOIT：通过 Doob's h-Transform 实现离散扩散的免训练适配

D-DOIT 研究如何在不重新训练离散扩散模型、也不使用奖励梯度的条件下，以通用奖励引导生成；其核心贡献是将适配表述为从奖励倾斜的目标分布采样，并通过 Doob's h-Transform 重加权逆向转移概率。基于摘要分析，未取得论文全文。 机制上，掩码离散扩散执行的是类别 token 的揭示转移，而非连续状态更新，因此 D-DOIT 调整的是逆向转移概率，而不是添加连续扩散中的漂移修正。为避免昂贵的未来轨迹 rollout，每个引导步骤先采样候选下一状态，再用模型预测头将各候选补全为干净序列，经奖励 oracle 评估后，按与奖励成比例的概率重采样下一状态。可选的后期 best-of-K 优化仅在去噪接近结束时分支轨迹，避免在完整轨迹上承担 K 倍成本。奖励的具体变换、候选补全对目标分布的近似误差及计算开销尚未验证。 作者报告，在调控 DNA 设计与蛋白质逆折叠基准上，D-DOIT 优于免训练引导基线；在 DNA 设计中提升增强子活性和细胞类型特异性，同时保持序列自然性，并在所评估的蛋白质逆折叠实验中取得最高成功率。摘要未提供具体数据集名称、划分、基线、指标数值或成本测量，实验协议、消融及统计信息尚未验证。 平台推测（待验证）：若 EEG 任务已具备离散 token 表示、掩码扩散生成器及可靠的序列级奖励，该重采样机制可能用于任务约束下的生成适配，但不等于已验证的 BCI 效果。可复用模块是候选补全与奖励重采样；需改造的是 EEG 离散表示及奖励定义。低信噪比、跨被试或通道差异，以及小数据下不可靠的奖励估计，可能导致生成器偏向奖励而损害信号真实性。一个可证伪的小实验是在固定 EEG 离散扩散模型和推理预算下，对比无引导采样与 D-DOIT，分别检查任务奖励及独立的信号质量指标。已有 EEG 相关工作尚未检索确认。