PulseAugur
中
实时 08:42:05
实体 Adaptive Importance Sampling

Adaptive Importance Sampling

PulseAugur coverage of Adaptive Importance Sampling — every cluster mentioning Adaptive Importance Sampling across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
1
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
  1. TOOL · CL_299709 ·

    新的摊销自适应重要性采样算法提高了蒙特卡洛效率

    研究人员开发了一种新的摊销自适应重要性采样算法,旨在提高蒙特卡洛采样方法的效率。该算法利用一个轻量级神经网络在采样过程中自适应调整提议分布,从采样本身汲取信息。通过在一系列分布上进行训练,采样器可以在采样时自适应特定目标,而无需先验参数知识,在效率上优于现有方法,并有可能泛化到未见过的目标系列。

  2. TOOL · CL_205799 ·

    新指标ENP增强了对自适应重要性采样方法的评估

    引入了一个名为“有效提议数”(ENP)的新指标,以更好地评估基于种群的自适应重要性采样(AIS)方法。与仅测量权重集中的有效样本量(ESS)不同,ENP评估了采样空间中提议组件的排列和冗余度。该指标可以检测ESS可能忽略的提议崩溃或重复等问题,还可以作为改进提议 पुनर्जीवन 的反馈信号。

  3. TOOL · CL_32623 ·

    新的采样方法稳定了大型语言模型的低精度强化学习

    研究人员开发了自适应重要性采样(AIS)技术,以解决在大型语言模型强化学习中使用低精度 rollout 导致的训练不稳定性问题。该技术根据实时诊断动态调整梯度校正,平衡探索收益与偏差减少。当与 LLaDA-8B-Instruct 和 Qwen3 系列等模型集成时,AIS 在保持显著的低精度生成速度优势的同时,性能与更高精度的训练相当。