Skip to content
Hot eventLive

LITL 框架通过黑盒反馈恢复目标朗之万动力学

1 reports1 sources3 hr ago updated

Get the story

AI overview

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。

Generated from reports · updated 3 hr ago

LatestOct 2
2026-10-02 arXiv 发表 LITL 论文，通过黑盒反馈从有偏源样本恢复目标 Langevin 动力学并提供泛化保证。

Timeline

Follow the coverage from different angles.

Oct 2, 2026
  1. arXiv · Statistics Machine Learning
    Langevin-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。

Heat trend

There is not enough continuous observation data to draw a trend yet.