AITP
精选全部 AI 动态AI 日报Agent 接入关于更新日志信源提报反馈
登录 / 注册
AITOP
全部 AI 动态
AI 相关资讯全量信息流
全部博客资讯推文论文
全部模型产品行业论文技巧
标签:采样误差界×
6月16日
20:46
AITOP6月16日 20:46
600亿美元买下Cursor,xAI终于拿到了编程工具,但真正值得跟踪的或许不是AI600亿美元买下Cursor,xAI终于拿到了编程工具,但真正值得跟踪的或许不是AI
6月12日
12:57
AITOP6月12日 12:57
Claude代码里藏了个20260612,18个月后的AI记忆革命已经开始倒计时
6月11日
15:28
AITOP6月11日 15:28
1107 vs 303:谷歌悄悄开源了一个“拆打字机”的模型,把大模型速度翻了4倍
15:23
AITOP6月11日 15:23
DiffusionGemma颠覆文本生成?自回归模型的“统治”要结束了
15:07
AITOP6月11日 15:07
每秒1107个token,Google开源的扩散模型为什么能改变本地推理格局?
5月19日
11:17
11:17arXiv cs.LG@Yuta Koike
精选
该论文从 Föllmer 过程视角重新分析了去噪扩散概率模型(DDPM)的采样误差,在 2-Wasserstein 距离下给出了更紧的误差上界。主要贡献包括:在 Lipschitz 型分数函数假设下,对余弦调度等方差调度方案建立了维度与步数最优的误差界;证明了这些条件蕴含对数 Sobolev 不等式,从而将 KL 散度的最优误差界转化为 Wasserstein 界;对于一般对数凹目标分布,即使不满足二次运输成本不等式,也能达到最优 Wasserstein 误差界。该工作统一并改进了现有文献中的多个误差界结果。
论文扩散模型DDPM采样误差界Wasserstein 距离Föllmer 过程

推荐理由:做扩散模型理论或采样加速的读者值得关注——这篇用 Föllmer 过程替代传统反向 OU 过程,给出了更紧的 Wasserstein 误差界,对理解 DDPM 的采样质量与步数关系有直接帮助。
原文
精选全部日报登录