流匹配模型泛化误差界研究

Saptarshi Chakraborty 等作者提交论文，为流匹配生成模型推导出有限样本泛化误差界：在 Wasserstein-p 距离下，学习分布与真实分布的误差以 n^{-1/d}+n^{-1/(2p)}(log(1/ξ))^{1/(2p)} 收敛，收敛指数取决于数据的内在维度而非环境维度。 论文称该结果在比现有分析更宽松的假设下成立，表明流匹配能自适应数据的内在几何结构、缓解维度灾难，为结构化数据分布上的实证表现提供理论解释。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。