PriorGuide

新框架通过密度比率估计增强了基于仿真的推理

研究人员开发了一个新的基于仿真的推理（SBI）框架，该框架解决了现有摊销生成模型的局限性，这些模型通常受限于训练期间使用的特定先验知识。这种新颖的方法利用密度比率估计（DRE）来学习无偏的评分指导项，从而能够灵活地处理不断变化的先验知识，而不会产生系统性偏差。实验表明，该方法在各种任务中与现有技术相当或优于现有技术，即使在训练先验和目标先验之间的重叠有限的情况下也表现出鲁棒性，并且在行星光变曲线数据的贝叶斯更新中被证明是有效的。