跳到正文
热点事件持续更新

WASABI提出基于Wasserstein桥接插值的采样方法

1 篇报道1 个报道来源7 小时前更新

先了解这件事

AI 综述

Sebastian Salazar 等研究者提出 WASABI(WAsserstein SAmpling via Bridge Interpolants),通过 Wasserstein 桥接插值训练扩散模型,仅需目标 Boltzmann 分布的能量函数即可生成样本。该方法利用实用训练算法,避免计算模型自身难以处理的对数密度梯度;训练完成后,生成新样本无需再次评估能量函数或其梯度。 在丙氨酸二肽基准测试中,WASABI 使用的能量评估次数估计比此前报告的最佳基线少约 3.3 倍,同时取得更好的表现;在相互作用粒子系统基准测试中也达到有竞争力的表现。</escape>

AI 根据报道生成 · 2 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月2日
  1. arXiv · Machine Learning
    WASABI:基于桥接插值的 Wasserstein 采样方法

    WASABI 提出一种基于 Wasserstein 梯度流的采样方法,仅需目标 Boltzmann 分布的能量函数即可训练扩散模型生成样本。该方法通过实用训练算法避免计算模型自身难以处理的对数密度梯度,训练完成后无需进一步评估能量函数或其梯度。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。