arXiv · Statistics Machine Learning· Hans Olischl\"ager, Svenja Jedhoff, \v{S}imon Kucharsk\'y, Aayush Mishra, Stefan T. Radev, Paul B\"urkner·· 3 小时前AI 评分20
缓解摊销贝叶斯推理中的表征差距：基于辅助监督的通用方法
Mitigating Representation Gaps in Amortized Bayesian Inference with Auxiliary Supervision
AI 导读
summary_zh: 该研究提出一种通用辅助监督方法，通过在内部表征上施加引导损失来改善摊销贝叶斯推理的训练动态。理论层面，将表征差距形式化为网络特征学习与条件分布学习之间的信息瓶颈局部最优，并给出区分摘要失败与推理失败的通用诊断。
来源：arXiv · Statistics Machine Learning · arxiv.org