CVaR-GPA微调生成模型拟合重尾分布
热点事件持续更新
CVaR-GPA微调生成模型拟合重尾分布
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
Thejani Gamage等研究者提出CVaR-GPA算法，通过CVaR惩罚的Wasserstein梯度流微调生成模型，使其逼近重尾分布，且无需访问预训练模型的内部架构。 在包括Ohio River流域日径流（d=64）和Fama-French投资组合（d=25）在内的四个目标上，该方法用单组超参数将全局误差和尾部误差分别降低14.0倍和9.8倍，覆盖GAN、扩散模型等七种预训练模型。
AI 根据报道生成 · 2 小时前更新
最新进展10月5日 12:00
CVaR-GPA：用 CVaR 惩罚的 Wasserstein 梯度流微调生成模型以建模极端事件报道时间线
沿着报道，了解事件的不同侧面。
10月5日
- arXiv：cs.LGCVaR-GPA：用 CVaR 惩罚的 Wasserstein 梯度流微调生成模型以建模极端事件
研究者提出 CVaR-GPA，一种通过 CVaR 惩罚的 Wasserstein 梯度流微调生成模型、使其逼近重尾分布的算法，无需访问预训练模型内部架构。在包括 Ohio River 流域日径流（d=64）和 Fama-French 投资组合（d=25）在内的四个目标上，该方法用单组超参数将全局误差和尾部误差分别降低 14.0× 和 9.8×，覆盖 GAN、扩散模型等七种预训练模型。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。