Levy Adaptive Tree Search

新的LATS框架增强了扩散模型搜索稀有科学发现的能力

研究人员开发了 Levy Adaptive Tree Sampling (LATS)，一个专为扩散模型中交互式、反馈驱动搜索设计的新型采样框架。传统的采样器在发现稀有但高价值的数据区域方面存在困难，而在严格预算下，侧重探索的采样器效率低下。LATS 通过结合重尾探索和基于树的价值反向传播来解决这个问题，从而在保持广泛覆盖和样本多样性的同时，有效地揭示首选模式。在材料科学和其他基准测试中的实验表明，LATS 在目标发现效率方面优于现有方法。