离散扩散下分类马尔可夫随机场的样本复杂度界

summary_zh: 该研究针对分类马尔可夫随机场提出离散扩散采样方法，给出端到端样本复杂度界，复杂度显式依赖词表大小、MRF 交互阶数和样本量。作者提出 pinning decomposition 将离散 score 分解为时间与目标可分离的乘积形式，并设计 weight-sharing neural score learner 结合 τ-leaping 进行采样。