本研究では、推論時に余分な計算リソースを割り当てることで、大規模言語モデルや拡散型画像生成におけるサンプル品質の向上が報告されています。特に、フローマッチング（FM）は言語、視覚、科学の分野で注目されていますが、推論時におけるスケーリング手法は十分に探求されていません。本論文では、FMのサンプリング中に線形内挿子を維持する新しい推論時スケーリング手法を提案し、画像生成や無条件のタンパク質生成において、計算リソースの増加と共にサンプル品質が一貫して向上することを示しました。さらに、この手法は科学的領域にも適用可能とされています。