Доказательно надежное руководство классификатора с помощью межэнтропического контроля

arXiv:2601.21200v3 Аннонс Тип: заменить резюме: модели диффузии, направляемые классификаторами, генерируют условные образцы путем увеличения балла обратного времени с уклоном вероятности логарифмического эффекта, предсказанного вероятностным классифицированным. На практике этот классификатор обычно получается путем сведения к минимуму эмпирической функции потерь. Несмотря на то, что существующая статистическая теория гарантирует хорошие общие результаты в тех случаях, когда размер выборки является достаточно большим, остается неясным, обеспечивает ли такая подготовка эффективный механизм руководства. Мы изучаем этот вопрос в контексте потерь, связанных с перекрестной антипатией, которая широко используется для подготовки специалистов по классификации. При небольших допущениях в отношении бесперебойности на классификаторе мы показываем, что контроль за перекрестной антипатией на каждом этапе модели диффузии является достаточным для контроля соответствующей ошибки руководства. В частности, вероятностные классификаторы, достигающие условного расхождения в KL $\varepsilon2 долл.