理论、鲁棒性与核心机器学习
突破级
暂无讲解视频
收录解读
这是一篇扩散模型理论论文，核心结论是分数匹配扩散模型的泛化速率由数据的内在维度而不是环境维度决定。作者引入 (p,q)-Wasserstein 维度，证明在仅要求有限矩的宽松假设下，学习到的生成分布在 Wasserstein-p 距离下能达到接近极小极大的最优收敛速率。它的重要性在于给“扩散模型为什么能在高维数据上工作”提供了比以往更贴近现实数据分布的理论解释。