NeurIPS 2026 论文:用对称性破缺证明非线性生成模型可辨识性
chaumian · x · 2026-09-30
作者 Pengzhou Wu 的论文《Beyond ICA: Identifiability by Symmetry Breaking》被 NeurIPS 2026 接收,作者称其创下三个「首次」。
- 核心结果:纯无监督设定下,证明了带分段仿射(PWA)解码器与高斯混合(GMM)先验的深度生成模型的可辨识性。
- 三个代数对比原理:domain contrast(消除混合对称群)、mechanism contrast(每个解码器分支由唯一边界见证)、interaction contrast(禁止隐变量与解码器分支间的参数共谋)。
- 方法论突破:用代数对称性条件取代连续性假设,首次允许不连续解码器与完全非单射解码器(每个观测可对应多个隐编码)。
- 可辨识性层级:从分布可辨识(LID)、映射可辨识(MID)到后验与逐点可辨识,并刻画了 ICA 形式歧义出现的条件。
「研究」频道最新
- Stephen Wright 等三套机器学习优化公开课视频上线,覆盖大步长与隐式偏差 — caglar_ee · 2026-09-30
- 开源框架 Arbor 让 AI agent 自主长期科研,无需人类逐步监督 — burkov · 2026-09-30
- AI 生成合金微结构：边缘损失+结构相似度损失保住晶界物理意义 — bravo_abad · 2026-09-30
- SOSP26 论文 YoloFS:290 起智能体误删文件报告催生 Agent 原生文件系统 — tianyin_xu · 2026-09-30
- 新论文:Claude Code、Codex 等 Agent 可随意篡改自身执行日志 — maksym_andr · 2026-09-30
- 新加坡国立大学发布 StoryEngine:状态锚定的长篇视频叙事智能体框架 — NationalUniversityofSingapore · 2026-09-30