Адаптивные моментальные выгоды на основе базовых моделей

arXiv:2405,13726v2 Annuales Type: заменить резюме: Great: Score-Generationive Models (SMS) добились замечательных успехов в решении задач по производству, установив процесс распространения данных, который постепенно передаёт реальные данные в гауссийский шум и затем обучая обратному процессу восстановления данных от шума. Однако традиционные методы денонсации, такие как динамика Лангевина и числовые стохастические дифференциально-дифференциальные уравнения, зависят от случайности, но страдают медленной скоростью генерации изза большого числа оценок функции баллов. Для решения этой проблемы мы предлагаем метод адаптивного отбора данных Маркова, основанный на тесной связи между процессом отбора проб в СГМ и оптимизацией стохастического градиентного спуска. Наш подход ускоряет процесс преобразования без введения дополнительных гиперпараметров. Теоретически мы закладываем прочную основу, анализируя взаимосвязь между распределением образцов, полученных нашим методом, и оригинальным методом.