数据锚定惩罚缓解物理信息生成模型分布偏差

一项 arXiv 研究指出，残差正则化扩散模型存在两种分布偏差：预测误差在不同可行状态附近产生不同残差代价，使模型偏好低残差敏感状态（规避），这种偏好还会延伸到数据支撑集外的可行状态（泄漏）。作者 Tanja Bien 等人提出数据锚定惩罚，用干净训练样本处的残差雅可比对预测误差加权并归一化，在不改变模型架构与采样流程的前提下消除状态迁移动机。 该方法在受控合成系统、三个 PDE 系统及流匹配分子过渡态生成任务上得到验证，代码已公开。

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。