离散扩散或流模型能够实现比自回归模型更快、更可控的序列生成。本文通过基于狄利克雷分布混合的概率路径，在平凡上的 na"ive 线性匹配流上开发出狄利克雷流匹配模型，以克服训练目标中的不连续性和进一步的病理问题，从而实现分类器或无分类器引导。此外，我们提供了精简的狄利克雷流匹配方法，实现了一步式序列生成，最小化性能损失，相对于自回归模型加速了 $O (L)$。在复杂的 DNA 序列生成任务中，我们展示了相对于基准模型在分布度量和实现设计目标上的优越性能。最后，我们证明了无分类器引导方法可以提高无条件生成，并且对满足设计目标的 DNA 生成有效。