13:22
arXiv cs.LG@Changxiao Cai, Yuchen Jiao, Gen Li
推荐理由：这篇论文告诉你：扩散模型采样快慢不挑超参数，只需O(k/ε)步就能出高质量样本，环境维度再高也不怕。
全部 AI 动态
AI 相关资讯全量信息流
6月23日
13:22
该论文证明扩散模型在低维数据结构下自适应采样的鲁棒性，对于宽泛的更新系数，仅需O(k/ε)步迭代即可生成TV距离ε准确的样本，且与数据环境维度无关。该结果显著扩展了已知具有低维适应性的扩散采样器类别，并适用于多种常用实践方法。研究为扩散采样器在不同系数选择下处理结构化高维数据时的经验有效性提供了理论支撑。
6月16日
20:46
AITOP6月16日 20:46
6月12日
12:57
AITOP6月12日 12:57
6月11日
15:28
AITOP6月11日 15:28
15:23
AITOP6月11日 15:23
15:07
AITOP6月11日 15:07
5月25日
09:57
09:57
arXiv cs.LG@Meysam Alishahi, Alexander Munteanu, Simon Omlor, Jeff M. Phillips
推荐理由：这篇论文为分类任务中的采样提供了理论最优界，做机器学习理论或大规模分类算法的研究者可以直接参考其采样策略，避免不必要的计算开销。