研究人员推出了一种名为Latent Block-Diffusion Temporal Point Processes (LBDTPP) 的新框架，该框架专为生成异步事件序列而设计。这种半自回归方法结合了自回归模型在可变长度输出方面的优势以及扩散模型的并行生成能力。LBDTPP通过在潜在空间中定义事件块的自回归分布，然后在每个块内应用高斯扩散来运行，旨在减少与传统事件级自回归方法相比的误差累积。在六个真实世界数据集上的实验表明，LBDTPP在无条件和有条件生成任务上均优于现有的Temporal Point Process基线。 AI
影响 该框架有望提高跨不同领域生成复杂、异步事件数据的质量和效率。
排序理由 该集群包含一篇学术论文，详细介绍了一种用于事件序列生成的新模型/框架。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.24982v1 Announce Type: cross Abstract: Modeling and sampling from the underlying distribution of asynchronous event sequences are crucial in various real-world applications, including social networks, medical diagnosis, and financial transactions. Existing autoregressi…
Modeling and sampling from the underlying distribution of asynchronous event sequences are crucial in various real-world applications, including social networks, medical diagnosis, and financial transactions. Existing autoregressive methods suffer from error accumulation during m…