两篇新提交到 arXiv 的研究论文介绍了摊销贝叶斯推理的新方法。第一篇论文提出使用辅助监督来缓解神经网络优化贝叶斯推理中的表示差距，从而实现更快的收敛和更好的性能，尤其是在数据有限的情况下。第二篇论文提出了一种通用的方法，用于对任意结构的多层模型进行摊销贝叶斯推理，自动从有向无环图表示中推导出因子分解和神经网络架构。该方法保留了所有条件独立性假设，并与黄金标准采样器非常匹配，同时将推理简化为快速前向传播。 AI
影响 摊销贝叶斯推理的这些进展可能使复杂人工智能系统中更有效、更准确的统计建模成为可能。
排序理由 两篇发表在 arXiv 上的研究论文介绍了贝叶斯推理的新方法。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
arXiv:2609.39525v1 Announce Type: new Abstract: Casting Bayesian inference as a neural network optimization problem targeting an amortized posterior is attractive, as it extends to otherwise intractable statistical models and offers near instantaneous inference for new datasets a…
arXiv:2609.40024v1 Announce Type: new Abstract: We develop a general method for amortized Bayesian inference on multilevel models of arbitrary structure. Given a generative model specified as a directed acyclic graph, our method automatically derives valid factorizations of the j…