惩罚非可逆Langevin约束采样算法提出
Get the story
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。
Generated from reports · updated 16 hr ago
Timeline
Follow the coverage from different angles.
- 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。
Heat trend
Current heat 7·Comparable peak 10（Oct 5）·Comparable change over 24 hours –
The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.