PyMC Labs 漫谈摊销贝叶斯推断：一次训练，毫秒级出后验
twiecki · x · 2026-11-06
PyMC Labs 发布新博文介绍摊销贝叶斯推断（Amortized Bayesian Inference）：相比 MCMC 每次拟合都要付出完整采样成本，该方法先在模拟数据上训练一个网络，之后每次推断只需一次前向传播即可返回后验分布。适合需要将同一模型拟合数百次的场景，可大幅摊薄计算成本。
「研究」频道最新
- Caltech Van Valen 实验室宣布离开 X,模型全部转投 Hugging Face — anshulkundaje · 2026-11-06
- Soumith 晒图：Inkling 2 基础模型代码损失超越 GLM-5.3 与 DeepSeek V4 — soumithchintala · 2026-11-06
- Cartesia H-Net 展示「上下文分词」:模型无分词器也能学会切分 DNA 与生词 — TheTuringPost · 2026-11-06
- 第三方复核:零公理 Lean 4 形式化成立,但并未真正解决千禧年 Yang–Mills 难题 — kevrussell · 2026-11-06
- 两家公司想合训模型又怕数据不兼容？学习理论给出两方差分隐私方案 — roydanroy · 2026-11-06
- AI 全自动实验室完成 11000 步实验，Claude 助解 150 亿蛋白序列 — karlwaldman · 2026-11-06