AI dan Masalah-Masalah Sulit Dunia · Ilmu komputer teoretis · arXiv · 2026-10-22
Kesalahan Mundur Tingkat-Densitas untuk Aliran Generatif dengan NFE Rendah
Judul asli: Density-Level Backward Error for Low-NFE Generative Flows
Ketika ODE generatif disampel dengan anggaran evaluasi jaringan yang kecil (NFE rendah), kinerja dibatasi tidak hanya oleh orde solver tetapi juga oleh bagaimana anggaran tetap tersebut didistribusikan sepanjang aliran (flow). Para penulis mengembangkan kerangka kerja backward-error pada tingkat densitas yang mengidentifikasi komponen dari defek persamaan termodifikasi (modified-equation defect) suatu solver yang mengubah marginal yang berevolusi, sehingga menghasilkan aturan alokasi komputasi yang memperhitungkan orde solver dan, melalui kebebasan gauge, sebuah objektif untuk memilih representasi kecepatan yang menguntungkan secara numerik dari jalur densitas yang sama. Model Gaussian dan campuran yang eksak memvalidasi mekanisme tersebut, dan pada ODE probability-flow EDM CIFAR-10 yang telah dilatih sebelumnya, alokasi yang sadar densitas secara konsisten meningkatkan sampling Euler dengan pembaruan tetap pada rezim NFE rendah sambil tetap konvergen ke referensi Euler padat yang sama.