arXiv · Machine Learning Theory· Dmitry Osin, Egor Surkov, Petr Mokrov, Igor Udovichenko, Ivan Karpukhin, Evgeny Burnaev, Egor Shvetsov, Alexander Korotin·· 2 小时前AI 评分38
真实性与准确性的权衡：基于生成式建模的事件序列预测
Realism VS Accuracy: Event Sequence Forecasting from a Generative Modeling Perspective
AI 导读
该研究将事件序列的多步预测视为条件生成式建模问题，并构建了一个同时评估预测准确性与分布真实性的基准，包含统计基线、相邻领域模型与真实数据集。评估显示没有方法能同时兼顾两者，揭示出根本性的权衡。研究提出 Wasserstein BartyBooster 算法，将真实性强的扩散模型样本聚合进 SOTA 预测器，证明分布真实性可转化为预测准确性。代码已开源。
来源：arXiv · Machine Learning Theory · arxiv.org