本研究提出了一种新方法，利用黎曼度量提升复杂深度模型的反事实解释，克服现有方法的局限性，并在实际数据集上验证了其优越性。

生成模型在轨迹推断中，传统方法受限于欧几里得几何，难以捕捉底层动力学。Metric Flow Matching（MFM）通过最小化数据诱导的黎曼度量动能，实现数据流形上的矢量场匹配，降低不确定性，提供更有意义的插值。研究表明，MFM在LiDAR导航、图像翻译和细胞动力学建模等任务中表现优异，尤其在单细胞轨迹预测中达到SOTA水平。