CVaR-GPA：用CVaR惩罚Wasserstein梯度流微调生成模型捕捉极端事件
Get the story
2026年10月5日，arXiv Statistics Machine Learning（一手）发表论文，提出CVaR惩罚生成粒子算法（CVaR-GPA），一种面向重尾目标的微调算法。该算法通过CVaR惩罚的Wasserstein梯度流对生成模型进行微调，可基于预训练模型输出样本运行，无需访问其内部架构。论文在四个目标上验证该方法，包括Ohio River流域日径流（维度d=64）与Fama-French投资组合（维度d=25），相关目标的尾指数介于1.05到3.34。目前公开信息仅涉及该论文内容，尚无后续验证或应用报道。
Generated from reports · updated 16 hr ago
Timeline
Follow the coverage from different angles.
- arXiv · Statistics Machine Learning通过 CVaR 惩罚的 Wasserstein 梯度流微调生成模型以应对极端事件
论文提出 CVaR 惩罚生成粒子算法（CVaR-GPA），一种面向重尾目标的微调算法，可基于预训练模型输出样本、无需访问其内部架构。该算法在四个目标上验证，包括 Ohio River 流域日径流（d=64）与 Fama-French 投资组合（d=25），尾指数介于 1.05 到 3.34。
Heat trend
Current heat 6·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.