隐藏森林结构下的反事实探测与并行解码研究

2026-09-30，arXiv 发表统计学/机器学习论文，研究在隐藏森林结构分布下，通过反事实探测实现并行掩码生成模型的采样。在固定目标精度 ε 和足够大序列长度 N 下，总掩码状态提交量和串行深度均被 O(N^C ε^a) 界定，且无需完全恢复隐藏森林。可调参数可在探测成本与不可逆提交轮次之间权衡；同类可采纳的不可逆乘积提交采样器在最坏情况下需要 Ω(N^c ε^b) 次反事实提交或提交轮次。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。