English(EN) Concentration bounds on response-based vector embeddings of black-box generative models

揭示了生成模型嵌入的新集中界限

作者 PulseAugur 编辑部 · [1 个来源] · 2026-06-30 04:00

研究人员开发了源自黑盒生成模型的、基于响应的向量嵌入的新集中界限。这些界限在特定的正则性条件下建立，量化了在近似总体水平向量嵌入时达到所需精度所需的样本响应数量。所采用的方法还可以扩展到在处理噪声失配时，为经典多维尺度嵌入推导集中界限。 AI

影响为分析和理解黑盒生成模型的行为提供了理论工具。

排序理由学术论文，详细介绍了机器学习的新理论贡献。[lever_c_demoted from research: ic=1 ai=1.0]

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv stat.ML TIER_1 English(EN) · Aranyak Acharyya, Joshua Agterberg, Youngser Park, Carey E. Priebe · 2026-06-30 04:00

Concentration bounds on response-based vector embeddings of black-box generative models

arXiv:2511.08307v2 Announce Type: replace Abstract: Generative models, such as large language models or text-to-image diffusion models, can generate relevant responses to user-given queries. Response-based vector embeddings of generative models facilitate statistical analysis and…