D-DOIT：通过 Doob h-Transform 实现离散扩散模型的免训练适配

D-DOIT 是一种针对离散扩散模型的免训练适配方法，通过 Doob h-transform 将适配建模为从奖励倾斜目标分布中采样，且仅需奖励值而非奖励梯度。该方法面向掩码离散扩散的类别式 token 揭示转移，推导出对应的离散 Doob h-transform，实现通用奖励下的高效适配。