Barron 最优传输 I：生成建模

研究团队提出基于神经网络复杂度的“Barron 最优传输”框架，用衡量隐层复杂度的 Barron 能量替代传统动能，在概率测度空间构建了新度量。该框架量化了扩散生成模型在 Barron 几何下的次优性，证明由高斯分布推前生成的数据具有超多项式分数逼近下界。该工作进一步探讨了特征自适应性，为探索替代型生成模型提供了理论依据。