巴黎研讨会:蒙特卡洛方法为扩散模型采样带来精确性保证
kastnerkyle · x · 2026-11-12
Mostly Monte Carlo 研讨会(11 月 13 日,巴黎 PariSanté Campus)预告两场报告:
- Tyler Farghly(Inria Paris/ENS):扩散模型采样的蒙特卡洛方法——扩散模型通常快速近似地大规模采样,但越来越多应用需要精确样本或精度保证;他将介绍两项工作:一是把 Barker 接受-拒绝步引入扩散采样中的 Langevin 校正步(仅需 score 即可计算),二是基于拒绝采样的方法;
- Simon Coste(巴黎西岱大学 LPSM):重要性采样——讲解何时及如何使用 IS(附化学与组合数学实例)、如何针对特定 φ 局部衡量精度并确定所需样本量 n,以及如何用 Wasserstein 距离全局衡量精度(含随机扩散的无限维情形)。
对关心扩散模型采样精确性与保证的研究者是有信息量的预告。
「研究」频道最新
- 公司助手基准实测：Agent 懂归属却不懂人，得分差近 40 分 — philhchen · 2026-11-13
- arXiv 论文：用神经网络逼近最优清仓策略的算子映射 — chaumian · 2026-11-13
- AFNO 框架：可证明无套利的神经算子，预测欧式看涨期权价格面 — chaumian · 2026-11-13
- MIT Press 新刊 Minds, Machines, and Brains 开始征稿 — megamor2 · 2026-11-13
- SHADOWPREFILL 论文：为 Agent 逐步模型路由预热下一个模型 — chaumian · 2026-11-13
- ScrapeBench：主流 AI Agent 抓取禁爬网站的合规率不足 5% — Joseph Marvin Imperial · 2026-11-13