Skip to content
Hot eventLive

提出非可逆锚定朗之万动力学加速非光滑重尾采样

1 reports1 sources3 hr ago updated

Get the story

AI overview

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。

Generated from reports · updated 3 hr ago

LatestOct 9
arXiv 发布 NALD 与 NRALD 方法，用于非光滑重尾分布采样。

Timeline

Follow the coverage from different angles.

Oct 9, 2026
  1. 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。

Heat trend

Current heat 9·Comparable peak 10（Oct 9）·Comparable change over 24 hours –

02.557.510Oct9Oct9Oct9Oct9

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.