09:32
官方账号arXiv cs.LG@Nicolas Béreux, Aurélien Decelle, Cyril Furtlehner, Beatriz Seoane
推荐理由：这篇论文提出了PTT方法，让能量模型训练又快又稳，在RBM上成绩比现有方法好，还能顺便算热化时间，值得看看。
MCMC
共 4 条相关 AI 资讯
7月30日
09:32
该论文提出并行轨迹回火（Parallel Trajectory Tempering, PTT）训练算法，用于改进能量模型（Energy-Based Models, EBMs）的马尔可夫链蒙特卡洛（MCMC）混合问题。PTT利用优化路径的连续性，在整个学习过程中维持平衡采样，从而在高度多模态且数据稀少的科学数据集上实现稳定快速训练。与持久对比散度（Persistent Contrastive Divergence）相比，PTT的计算成本相当，并能直接估计热化时间、平衡样本和对数似然。在受限玻尔兹曼机（Restricted Boltzmann Machines）实验中，PTT持续超越现有EBM训练方法；在离散表格数据上，它同样优于当前最先进的深度生成模型，生成更高质量的样本且对过拟合和有限数据更具鲁棒性。
6月26日
10:59
10:59
官方账号arXiv cs.AI@Alina Bazarova, Johann Fredrik Jadebeck, Henrik Zunker, Carolina J. Klett-Tammen, Torben Heinsohn, Wolfgang Wiechert, Katharina Noeh, Stefan Kesselheim
推荐理由：这篇论文用COVID-19数据实测，SBI比MCMC快几十倍，精度不输，适合需要快速迭代的流行病学建模场景。
6月18日
10:56
10:56
官方账号arXiv cs.LG@Sanghyeok Choi, Henry Gouk, Esmeralda S. Whitammer
推荐理由：这篇论文提出用LLM做MCMC采样，比直接生成更鲁棒，适合复杂推理场景，值得做概率建模的人看看。
5月26日
12:24
12:24
官方账号arXiv cs.LG@Bipin Tiwari, Omer San
精选
推荐理由：做 CFD 逆设计或不确定性量化的研究者终于有了一个计算可行的方案——神经算子加速后，贝叶斯推断从小时级降到秒级，建议直接复现论文中的喷管案例。