arXiv stat.ML· Thejani Gamage, Hyemin Gu, Zhizhen Zhang, Ziyu Chen, Markos A. Katsoulakis, Luc Rey-Bellet·· 29 天前AI 评分34
基于 CVaR 惩罚 Wasserstein 梯度流微调极端事件生成模型
Fine-Tuning Generative Models for Extreme Events via CVaR-Penalized Wasserstein Gradient Flows
AI 导读
研究人员提出 CVaR-GPA 算法，通过 CVaR 惩罚的 Wasserstein 梯度流，无需访问模型内部架构即可将生成模型微调至重尾极端事件分布。该算法仅依赖标量尾部统计量即可在欠采样的尾部区域激活速度场。在覆盖 GAN 与扩散模型等 7 种预训练模型的测试中，CVaR-GPA 将全局与尾部误差几何平均分别降低 14.0x 和 9.8x。
来源：arXiv stat.ML · arxiv.org