通过一致性模型实现有效且无偏的玻尔兹曼分布采样
原文中文，约300字，阅读约需1分钟。发表于：。本研究解决了玻尔兹曼生成器面临的两个核心问题：模型缺陷导致样本的固有误差，以及获得高质量样本需要数百次功能评估。本文提出了一种新颖的采样方法，将一致性模型与重要性采样有效结合，结果显示该方法在仅需6-25次功能评估的情况下，依然能够生成无偏样本，且有效样本量与需要约100次功能评估的去噪扩散概率模型相当。
本文介绍了一种名为基于能量扩散生成器的新型采样器，利用变分自动编码器结构将潜在变量转换为目标分布的随机变量，并设计了基于扩散模型的编码器。通过准确估计生成样本分布与目标分布之间的Kullback-Leibler散度，该方法在各种复杂分布函数上表现出优越性。
