PulseAugur
中
实时 18:51:27

新的 Langevin 动力学方法提高了 AI 生成和采样效率

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了 Langevin 动力学的新方法，这是一种用于生成式 AI 模型的技术。一篇论文介绍了用于扩散模型的无训练引导生成（training-free guided generation）的 Slowly Annealed Langevin Dynamics (SALD) 和 Velocity-Aware SALD (VA-SALD)，并提供了理论收敛保证。另一篇论文提出了一种使用高阶 Langevin 动力学从复杂分布进行更快、更有效的并行采样的方法，降低了贝叶斯逻辑回归和两层神经网络等模型的内存和梯度评估成本。 AI

影响 Langevin 动力学方面的这些进步可能带来更高效、更有效的 AI 模型中的无训练引导生成和并行采样。

排序理由 该集群包含两篇学术论文，详细介绍了采样和生成式 AI 方面的理论进展和新方法。

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

新的 Langevin 动力学方法提高了 AI 生成和采样效率

报道来源 [2]

  1. arXiv cs.LG TIER_1 English(EN) · Tanya Veeravalli ·

    Slowly Annealed Langevin Dynamics: Theory and Applications to Training-Free Guided Generation

    We study Slowly Annealed Langevin Dynamics (SALD), a sampler for tracking a path of moving target distributions and approximating the terminal target through time slowdown. We establish non-asymptotic convergence guarantees via a KL differential inequality, showing that slowdown …

  2. arXiv stat.ML TIER_1 English(EN) · Jaideep Mahajan, Kaihong Zhang, Feng Liang, Jingbo Liu ·

    Fast and Efficient Parallel Sampling Using Higher Order Langevin Dynamics

    arXiv:2510.18242v2 Announce Type: replace-cross Abstract: We study parallel sampling from high-dimensional strongly log-concave distributions. Langevin-based samplers converge rapidly in continuous time, but their discretizations are typically sequential and often require polynom…

相关实体

相关话题