arXiv · Statistics Machine Learning· Thejani Gamage, Hyemin Gu, Zhizhen Zhang, Ziyu Chen, Markos A. Katsoulakis, Luc Rey-Bellet·· 16 小时前AI 评分26
通过 CVaR 惩罚的 Wasserstein 梯度流微调生成模型以应对极端事件
Fine-Tuning Generative Models for Extreme Events via CVaR-Penalized Wasserstein Gradient Flows
AI 导读
论文提出 CVaR 惩罚生成粒子算法（CVaR-GPA），一种面向重尾目标的微调算法，可基于预训练模型输出样本、无需访问其内部架构。该算法在四个目标上验证，包括 Ohio River 流域日径流（d=64）与 Fama-French 投资组合（d=25），尾指数介于 1.05 到 3.34。
来源：arXiv · Statistics Machine Learning · arxiv.org