Skip to content
Hot eventLive

基于先验的少步传输映射的源空间MCMC后验采样

1 reports1 sources3 hr ago updated

Get the story

AI overview

2026-10-02，arXiv·Statistics Machine Learning发表该研究，提出源空间广义贝叶斯推断框架，用一至少步改进 MeanFlow（iMF）映射表示先验，并在其高斯源空间中进行后验采样；建立 Wasserstein 误差界并分解为训练次优性与模型类近似误差。

Generated from reports · updated 3 hr ago

LatestOct 2
2026-10-02 论文在 arXiv·Statistics Machine Learning 发布，提出 iMF 映射与源空间采样框架并给出 Wasserstein 误差界分解。

Timeline

Follow the coverage from different angles.

Oct 2, 2026
  1. arXiv · Statistics Machine Learning
    基于先验的少步传输映射实现源空间 MCMC 后验采样

    该研究提出源空间广义贝叶斯推断框架，用一至少步改进 MeanFlow（iMF）映射表示先验并在其高斯源空间中进行后验采样，建立 Wasserstein 误差界并分解为训练次优性与模型类近似误差。

Heat trend

There is not enough continuous observation data to draw a trend yet.