David Blei 团队提出 WASABI：仅凭能量函数训练扩散模型采样玻尔兹曼分布
skoularidou · x · 2026-11-02
哥伦比亚大学 David Blei 团队在 arXiv 发布 WASABI（Wasserstein Sampling via Bridge Interpolants），解决物理、化学、生物领域的基础问题——从玻尔兹曼分布采样。
- 方法：只需访问能量函数，训练扩散模型生成目标玻尔兹曼分布的样本；用 Wasserstein 梯度流最小化生成分布与目标分布的 KL 散度，思路承接 Langevin 动力学等经典采样方法
- 关键突破：Wasserstein 梯度流应用于扩散模型时需要模型自身 log 密度的梯度（通常不可解），作者推导出避免计算该梯度的实用训练算法
- 效果：训练完成后无需再评估能量函数或其梯度即可生成新样本；在丙氨酸二肽基准上以约 3.3 倍更少的能量评估次数超越最佳已报基线，在相互作用粒子系统基准上也表现有竞争力
「研究」频道最新
- AI 浪潮前夜的经典:2019 年 Nature《Machine Behavior》仍值得重读 — iyadrahwan · 2026-11-02
- TurnTurk-GPT：GPT-2 微调的土耳其语话轮转换预测器 — Ahmet Tuğrul Bayrak · 2026-11-02
- WiFi 信号可识别键盘敲击，WiKey 研究检出率超 97.5% — rickasaurus · 2026-11-02
- 通用 LLM 操机械臂胜过专用机器人模型，业界直呼意外 — zakkohane · 2026-11-02
- 通用模型领先 SOTA 专用机器人模型 23.8 个百分点 — zakkohane · 2026-11-02
- 不用深度学习：手写规则识别疟疾感染细胞命中约七成 — MaziyarPanahi · 2026-11-02