条件扩散模型学习跳跃扩散过程转移核

2026年10月8日，arXiv Statistics Machine Learning 发布一手研究，提出用条件扩散模型学习时齐跳跃扩散过程的转移核，基于高频离散时间网格上观测到的 N 条独立轨迹生成新样本路径。理论上给出条件得分估计误差以及真实与生成路径分布间 KL 散度的非渐近界；数值上在合成数据上验证理论结果，并与 Gao et al. (2025) 的方法对标，进一步在真实数据的概率预测任务上检验性能。目前未见后续报道或同行评议信息。

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。