OSIS：单步隐式采样实现摊销贝叶斯推断

2026年10月12日，arXiv 统计学机器学习栏目发布论文，提出单步隐式采样器 OSIS。该方法用短时间 MCMC 动力学为隐式建模的分布定义局部演化目标，在渐近极限下该分布成为 MCMC 核的不动点，从而从目标后验采样。作者分析了 OSIS 的收敛性质，并展示其与多种生成建模和采样算法的联系。实验显示，OSIS 相比多步摊销采样器和非摊销 MCMC 基线表现良好，同时采样效率显著更高。这是目前该事件的唯一报道，尚无后续验证或矛盾信息。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。