arXiv · Statistics Machine Learning· Daniel McBride, Pratik Khandagale, Cristina Garcia-Cardona, Yen Ting Lin·· 3 hr agoSelectedAI score60
Wasserstein 梯度流与正向扩散不足以实现多模态采样
Wasserstein Gradient Flows and Forward-Only Diffusion Are Not Enough for Multimodal Sampling
AI brief
该论文论证基于 Wasserstein 梯度流（WGF）和正向扩散过程（FODP）的采样算法虽常被宣称指数快速收敛，但在多模态分布上会继承亚稳态与慢混合现象。通过 JKO 格式和 Otto 微积分，作者证明 WGF 与过阻尼正向扩散具有相同的密度演化，并利用谱分析与平均首次通过时间（MFPT）分析指出，模态分离会导致指数级混合时间。
Why it matters
研究指出 Wasserstein 梯度流与正向扩散在多模态采样中存在结构性慢混合问题，提示局部梯度机制难以高效跨模态传输。
Source: arXiv · Statistics Machine Learning · arxiv.org