OSIS

新的OSIS方法为贝叶斯采样提供高效的单步摊销推理

研究人员开发了一种新颖的单步隐式采样器（OSIS），旨在高效地从高维贝叶斯后验分布中抽取无偏样本。该方法利用短时马尔可夫链蒙特卡洛（MCMC）动力学来定义隐式建模分布的局部目标。OSIS旨在克服可扩展单步摊销推理的挑战，而现有算法通常需要多步才能解决此问题。该论文分析了OSIS的收敛特性，并证明了其在采样效率显著提高的同时，与多步摊销采样器和非摊销MCMC基线相比具有竞争力。