热点事件持续更新
提出非可逆锚定朗之万动力学加速非光滑重尾采样
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年10月9日，arXiv Statistics Machine Learning 发布论文，提出非可逆锚定 Langevin 动力学（NALD）及其带法向反射的变体 NRALD，用于在欧氏空间与约束域上采样可能不可微、重尾的目标分布。方法在构造中加入由可能依赖状态的散度为零反对称矩阵场与流势生成的循环漂移，声称无需目标密度导数即可保持目标分布，并支持随机时间变换表示。该研究面向非光滑重尾分布的采样加速，目前公开信息仅涉及方法构造与理论性质，未见实验验证或后续评论。
AI 根据报道生成 · 2 小时前更新
最新进展10月9日 12:00
arXiv 发布 NALD 与 NRALD 方法，用于非光滑重尾分布采样。报道时间线
沿着报道，了解事件的不同侧面。
10月9日
- arXiv · Statistics Machine Learning加速非光滑重尾采样：NALD 与 NRALD 方法研究
论文提出非可逆锚定 Langevin 动力学（NALD）及其带法向反射的变体 NRALD，用于在欧氏空间与约束域上采样可能不可微、重尾的目标分布。构造中加入由可能依赖状态的散度为零反对称矩阵场与流势生成的循环漂移，无需目标密度导数即可保持目标分布，并支持随机时间变换表示。
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。