热点事件持续更新
LITL 框架通过黑盒反馈恢复目标朗之万动力学
1 篇报道1 个报道来源2 小时前 更新
先了解这件事
AI 综述
2026-10-02，arXiv 发表统计学/机器学习论文 Langevin-Informed Transfer Learning（LITL），提出通过黑盒反馈替代目标样本的迁移学习框架。LITL 从有偏源样本中恢复目标 Langevin 动力学，学习目标无穷小生成元的主谱结构与投影漂移，实现谱形式动力学重建与慢流形梯度场估计；球面变体适用于归一化潜在表征的定向驱动，并在 Sobolev 范数下给出特征值、特征函数与投影漂移的有限样本泛化保证。实验覆盖有偏分子模拟、生成模型静态样本、物理系统球面对称重建以及神经网络潜在空间的后验黑盒反馈导向。
AI 根据报道生成 · 2 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
10月2日
- arXiv · Statistics Machine LearningLangevin-Informed Transfer Learning（LITL）：通过黑盒反馈替代目标样本的迁移学习框架
LITL 通过 Dirichlet 表示学习从有偏源样本中恢复目标 Langevin 动力学，学习目标无穷小生成元的主谱结构与投影漂移，实现谱形式动力学重建与慢流形梯度场估计。球面变体适用于归一化潜在表征的定向驱动，并在 Sobolev 范数下给出特征值、特征函数与投影漂移的有限样本泛化保证。实验涵盖有偏分子模拟、生成模型静态样本、物理系统球面对称重建以及神经网络潜在空间的后验黑盒反馈导向。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。