Classical generative models

量子生成模型可能需要新的训练方法来提升泛化能力

一篇新的研究论文对在量子部署中使用经典生成模型训练的有效性提出了质疑，特别是当使用矩匹配损失函数（如最大均值差异）时。研究发现，与似然训练的模型相比，使用此方法训练的模型泛化能力较差，即使在多达 30 个量子比特的情况下也是如此。这表明当前的“训练经典模型，部署量子模型”策略可能需要直接针对泛化能力进行优化，而不是仅仅依赖于收敛的损失指标，这可能需要改变模型架构或训练目标。