方差缩减的变换采样器研究

2026年10月9日，arXiv Statistics Machine Learning 发布一手研究《方差缩减的变换采样器》。该研究针对一般目标分布的方差缩减问题，提出通过学习变量变换的方法，将已知谱分解下的控制变量解扩展到一般目标分布。具体做法是使用双射（如 normalizing flow）将目标分布映射到接近参考密度的潜空间，并证明 Markov 核与 Poisson 方程解会随双射变换，从而在潜空间得到显式控制变量；在温和尾部条件下，估计量保持一致性。实验部分在合成目标与真实后验上对比了现有采样器与控制变量方法。目前报道仅涉及该研究内容，未见后续验证或争议信息。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。