热点事件持续更新

惩罚非可逆Langevin约束采样算法提出

1 篇报道1 个报道来源16 小时前更新

先了解这件事

AI 综述

2026年10月5日，arXiv Statistics Machine Learning 发布一手论文，提出用于约束采样的惩罚非可逆 Langevin 方法。该算法针对定义在紧凸集上的约束分布 π(x)∝e^{-f(x)}1_C(x) 进行采样，将平方距离惩罚与保持惩罚 Gibbs 分布的常数或相容状态相关反对称扰动结合。在 log Sobolev 不等式假设下，论文给出全梯度算法的非渐近全变差界；在随机梯度下建立 2-Wasserstein 界。目前报道仅涉及该论文内容，未见后续验证或应用进展。

AI 根据报道生成 · 16 小时前更新

报道时间线

沿着报道，了解事件的不同侧面。

10月5日

12:00
arXiv · Statistics Machine Learning
约束采样中的惩罚非可逆 Langevin 方法
论文提出惩罚非可逆 Langevin 算法，用于从定义在紧凸集上的约束分布 π(x)∝e^{-f(x)}1_C(x) 中采样。算法将平方距离惩罚与保持惩罚 Gibbs 分布的常数或相容状态相关反对称扰动结合，在 log Sobolev 不等式下给出全梯度算法的非渐近全变差界，在随机梯度下建立 2-Wasserstein 界。

本事件热度走势

当前热度 7·可比范围峰值 10（10月5日 13:00）·近 24 小时可比范围变化 –

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。