方差缩减的变换采样器研究
Get the story
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。
Generated from reports · updated 3 hr ago
Timeline
Follow the coverage from different angles.
- arXiv · Statistics Machine Learning方差缩减的变换采样器
该研究通过学习变量变换，把已知谱分解下的控制变量解扩展到一般目标分布。用双射（如 normalizing flow）将目标映射到接近参考密度的潜空间，证明 Markov 核与 Poisson 方程解随双射变换，从而在潜空间得到显式控制变量，估计量在温和尾部条件下保持一致。实验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。
Heat trend
Current heat 9·Comparable peak 10（Oct 9）·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.