有限阶松弛框架为离散变量构造路径梯度

2026年10月7日，arXiv Statistics Machine Learning 发布论文，提出一个通用框架，将路径梯度扩展到离散随机变量。该框架为 Poisson 等常见离散变量构造有限阶精确路径梯度估计量，定义为次数不超过给定阶的多项式无偏解中的最小范数解。论文称该估计量保留硬前向采样、无需温度调节，几行代码即可实现，在所有可行解中唯一且使权重方差最小化。实验显示，低阶方法在线性、非线性与分层潜变量模型上匹配或优于调优基线，并在每个运行时基准中快于竞争对手。目前报道仅涉及该论文内容，尚无后续验证或第三方复现信息。

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。