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 ,在此处分数函数是刚性的,且流会形成边界层。我们将 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 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 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, 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; 时钟仅在步长 时稳定,而均匀 热时钟在距离数据一个与 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 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 预算以 规模变化,其中 。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 。时钟决定稳定性;噪声而非几何结构承担对数开销。
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}
}