Marginal-preserving SDE

원래의 확정적 흐름 ODE와 동일한 주변 분포 p_τ(x_τ)를 보존하도록 설계된 확률 미분방정식이다. 드리프트 항에 추가적인 항과 시간 의존 노이즈 σ_τ를 도입하여 Euler–Maruyama 단계마다 가우시안 전이 확률을 얻을 수 있으므로 정책 그래디언트 등 RL 최적화에 필요한 전이 확률을 제공한다. SimWAM은 후보 궤적 탐색과 Flow-GRPO 기반 강화 학습에서 이 SDE를 사용한다.