中文

扩散与流匹配采样器的保渐近后验分析

机器学习 2026-07-05 v1 数值分析

摘要

扩散与流匹配采样器从大噪声尺度积分一个学习到的概率流 ODE,直至一个小的终止下限 σmin\sigma_{\min},在此处分数函数是刚性的,且流会形成边界层。我们将 σmin\sigma_{\min} 视为奇异摄动参数,并确定哪些固定步长采样器是保渐近 的,即在 σmin0\sigma_{\min}\to0 时保持稳定且一致精确,并将这些准则转化为一种后验审计:具有 σmin\sigma_{\min} 一致系数的残差泛函,可在预训练检查点上计算,而无需真实分数或精确轨迹。在终止层上,σ\sigma 时钟中的 Euler 方法(即确定性 DDIM 更新)是仿射重参数化下唯一的层精确离散化,其流匹配对应物为整流流;λ\lambda 时钟仅在步长 hh=1+W(1/e)h\le h_\star=1+W(1/e) 时稳定,而均匀 σ2\sigma^2 热时钟在距离数据一个与 σmin\sigma_{\min} 无关的距离处停滞。在两个可解模型(秩亏高斯模型、对称两点混合模型)上,确定性采样器保持一阶一致精确且无 log(1/σmin)\log(1/\sigma_{\min}) 因子,即使跨越一个分布预算为通用常数的对称后验切换界面;对数项完全归因于随机采样器的 It\^o 项,其路径 KL 相对于 ODE 的 O(Λ2/N2)O(\Lambda^2/N^2) 预算以 Λ2/N\Lambda^2/N 规模变化,其中 Λ=log(σmax/σmin)\Lambda=\log(\sigma_{\max}/\sigma_{\min})。在 EDM CIFAR-10 检查点上,测量一次的频谱即可预测跨步数、调度和噪声水平的留出残差预算,且无需针对每个配置重新拟合即可通过预设门限,并将 It\^o 系数校准为 M1=1.00±0.01M_1=1.00\pm0.01。时钟决定稳定性;噪声而非几何结构承担对数开销。

关键词

引用

@article{arxiv.2607.04113,
  title  = {Asymptotic-Preserving A Posteriori Analysis of Diffusion and Flow-Matching Samplers},
  author = {Shiheng Zhang},
  journal= {arXiv preprint arXiv:2607.04113},
  year   = {2026}
}