从离散时间策略到连续时间扩散采样器：渐近等价性与更快的训练
机器学习
2026-02-05 v3 机器学习
摘要
我们研究训练神经随机微分方程（即扩散模型）以从玻尔兹曼分布中采样而不访问目标样本的问题。现有训练此类模型的方法通过使用可微模拟或离策略强化学习（RL）来强制生成过程和加噪过程的时间反转。我们证明了在无穷小离散化步长极限下，目标函数族之间的等价性，将熵RL方法（GFlowNets）与连续时间对象（偏微分方程和路径空间测度）联系起来。我们进一步表明，在训练过程中选择合适的粗时间离散化可以大幅提高样本效率，并允许使用时间局部目标函数，在标准采样基准上以降低的计算成本实现有竞争力的性能。
引用
@article{arxiv.2501.06148,
title = {From discrete-time policies to continuous-time diffusion samplers: Asymptotic equivalences and faster training},
author = {Julius Berner and Lorenz Richter and Marcin Sendera and Jarrid Rector-Brooks and Nikolay Malkin},
journal= {arXiv preprint arXiv:2501.06148},
year = {2026}
}
备注
TMLR final version; code: https://github.com/GFNOrg/gfn-diffusion/tree/stagger