研究人员开发了上下文图推理（ICG-I），一种新颖的自回归图Transformer，旨在改进离散图模型的边际推理。该新方法使用学习到的、张量-链压缩的中间因子来模拟变量消除过程。ICG-I旨在克服精确算法的可扩展性限制以及信念传播等近似方法的收敛问题，并在各种基准测试中取得了最先进的性能。 AI
影响 引入了一种新颖的图模型推理方法，有可能在传统方法难以解决的复杂问题上提高性能。
排序理由 该集群包含一篇详细介绍新模型和方法的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.05042v1 Announce Type: cross Abstract: Marginal inference in discrete graphical models forces a choice between exactness and scalability: exact algorithms are intractable for high-treewidth graphs, while iterative approximations (Belief Propagation, variational methods…
Marginal inference in discrete graphical models forces a choice between exactness and scalability: exact algorithms are intractable for high-treewidth graphs, while iterative approximations (Belief Propagation, variational methods) sacrifice convergence guarantees on frustrated t…