10:21
官方账号arXiv cs.AI@Binglin Ji, Anindya Sarkar, Hengchang Lu, Jens Sjölund, Yevgeniy Vorobeychik
推荐理由：这篇论文提出了IMPFM，一个用多粒子流映射做在线反馈搜索的方法，能全局探索还不容易过拟合。跟标准SMC比，它解决了权重退化问题，效果更好。
IMPFM
共 1 条相关 AI 资讯
7月2日
10:21
论文提出IMPFM框架，通过多粒子流映射实现样本高效的在线反馈驱动搜索。该框架引入基于流映射的后验样本共享机制，在每次重采样步骤中用全体粒子的集体后验样本纠正个体漂移，从而最大化样本效用并实现全局探索。同时，采用多粒子交互的探索-利用重加权机制，维持结构多样性并克服标准SMC采样器的权重退化。理论证明该框架产生多粒子交互感知的Feynman-Kac修正器，逐步将多粒子系统引导至KL倾斜目标分布，防止模式坍缩。在多种搜索和对齐任务上的实验表明IMPFM优于现有基线。