論文の概要: Latent Block-Diffusion Temporal Point Processes: A Semi-Autoregressive Framework for Asynchronous Event Sequence Generation

• arxiv url: http://arxiv.org/abs/2606.24982v1
• Date: Tue, 23 Jun 2026 13:45:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-25 17:05:30.08011
• Title: Latent Block-Diffusion Temporal Point Processes: A Semi-Autoregressive Framework for Asynchronous Event Sequence Generation
• Title（参考訳）: 遅延ブロック拡散時間点過程:非同期イベントシーケンス生成のための半自己回帰フレームワーク
• Authors: Shuai Zhang, Yancheng Chen, Chuan Zhou, Yang Liu, Xixun Lin, Xiangyu Zhao, Jun Zhu, Zhi-Ming Ma,
• Abstract要約: 高品質かつ可変長イベントシーケンス生成のための遅延ブロック拡散時間点プロセス(LBDTPP)を提案する。 各ブロックでイベントを同時にサンプリングしながらブロックを逐次生成することにより、LBDTPPは自己回帰TPPの長さ柔軟性を保持する。 LBDTPPは、非条件および条件生成タスクの両方において最先端のTPPベースラインを上回っている。
• 参考スコア（独自算出の注目度）: 48.64529006657015
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Modeling and sampling from the underlying distribution of asynchronous event sequences are crucial in various real-world applications, including social networks, medical diagnosis, and financial transactions. Existing autoregressive methods suffer from error accumulation during multi-step generation, while non-autoregressive diffusion methods are typically limited to fixed-length output sequences. In this paper, we propose Latent Block-Diffusion Temporal Point Processes (LBDTPP), a novel semi-autoregressive TPP framework that introduces a latent block diffusion mechanism for high-quality and variable-length event sequence generation. The core idea is to define an autoregressive probability distribution over event blocks in latent space and perform Gaussian diffusion within each block. By sequentially generating blocks while simultaneously sampling events in each block, LBDTPP preserves the length flexibility of autoregressive TPPs and inherits the parallel high-quality generation capability of diffusion models. Theoretically, we derive Wasserstein error bounds showing that, under suitable local approximation and prefix-stability assumptions, block-wise generation can reduce error accumulation compared with event-wise autoregressive generation. Extensive experiments on six real-world benchmark datasets demonstrate that LBDTPP outperforms state-of-the-art TPP baselines in both unconditional and conditional generation tasks. Further empirical analyses verify the benefits of latent-space diffusion and block-wise generation, and reveal the trade-off between generation quality and block size. Our code is available at https://github.com/Zh-Shuai/LBDTPP.
• Abstract（参考訳）: 非同期イベントシーケンスの基盤となる分布からのモデリングとサンプリングは、ソーシャルネットワーク、診断、金融取引など、さまざまな現実世界のアプリケーションにおいて不可欠である。 既存の自己回帰法はマルチステップ生成時にエラーの蓄積に悩まされるが、非自己回帰拡散法は一般に固定長の出力シーケンスに制限される。 本稿では,高速かつ可変長のイベントシーケンス生成のための遅延ブロック拡散機構を導入する,新しい半自己回帰TPPフレームワークであるLatent Block-Diffusion Temporal Point Processes (LBDTPP)を提案する。 中心となる考え方は、潜在空間におけるイベントブロック上の自己回帰確率分布を定義し、各ブロック内でガウス拡散を実行することである。 各ブロックでイベントを同時にサンプリングしながらブロックを逐次生成することにより、LBDTPPは自己回帰TPPの長さ柔軟性を保持し、拡散モデルの並列高品質生成能力を継承する。 理論的には、ワッサーシュタイン誤差境界を導出し、適切な局所近似とプレフィックス安定性仮定の下では、ブロックワイズ生成はイベントワイズ自己回帰生成と比較してエラーの蓄積を減少させることができることを示す。 6つの実世界のベンチマークデータセットに対する大規模な実験により、LBDTPPは非条件および条件付き生成タスクにおいて最先端のTPPベースラインを上回っていることが示された。 さらに実験的な分析により、潜在空間拡散とブロックワイズ生成の利点を検証し、生成品質とブロックサイズの間のトレードオフを明らかにする。 私たちのコードはhttps://github.com/Zh-Shuai/LBDTPP.comで公開されています。

関連論文リスト

• TBD-VLA: Temporal Block Diffusion Vision Language Action Model [7.861095039299131]
  本稿では,ブロック拡散を組み込んだ離散トークンベースのVLAフレームワークTBD-VLAを紹介する。 動作シーケンスを時間ブロックに分割し、ブロック間の自己回帰生成を維持しながら、各ブロック内でマスキングされた離散拡散を行う。 この設計は時間的自己回帰と並列動作復号を統一し、強い時間的コヒーレンスと推論速度の向上を両立させる。
  論文  参考訳（メタデータ） (2026-06-05T23:10:43Z)
• SENTINEL: Stagewise Integrity Verification for Pipeline Parallel Decentralized Training [54.8494905524997]
  分散トレーニングは、信頼できない、地理的に分散したノードで実行される場合、重大なセキュリティリスクをもたらす。 重複のないパイプライン並列性(PP)トレーニングの検証機構であるSENTINELを提案する。 実験では、モデル収束と性能を維持しながら、最大176人の労働者を持つ信頼できない分散環境における最大4BパラメータLSMのトレーニングを成功させた。
  論文  参考訳（メタデータ） (2026-03-03T23:51:10Z)
• Causal Autoregressive Diffusion Language Model [70.7353007255797]
  CARDは厳密な因果注意マスク内の拡散過程を再構成し、単一の前方通過で密集した1対1の監視を可能にする。 我々の結果は,CARDが並列生成のレイテンシの利点を解放しつつ,ARMレベルのデータ効率を実現することを示す。
  論文  参考訳（メタデータ） (2026-01-29T17:38:29Z)
• Constrained Discrete Diffusion [61.81569616239755]
  本稿では,拡散過程における微分可能制約最適化の新たな統合であるCDD(Constrained Discrete Diffusion)を紹介する。 CDDは直接、離散拡散サンプリングプロセスに制約を課し、トレーニング不要で効果的なアプローチをもたらす。
  論文  参考訳（メタデータ） (2025-03-12T19:48:12Z)
• Generalized Interpolating Discrete Diffusion [65.74168524007484]
  仮面拡散はその単純さと有効性のために一般的な選択である。 ノイズ発生過程の設計において、より柔軟性の高い離散拡散(GIDD)を補間する新しいファミリを一般化する。 GIDDの柔軟性をエクスプロイトし、マスクと均一ノイズを組み合わせたハイブリッドアプローチを探索し、サンプル品質を向上する。
  論文  参考訳（メタデータ） (2025-03-06T14:30:55Z)
• RDPM: Solve Diffusion Probabilistic Models via Recurrent Token Prediction [17.005198258689035]
  拡散確率モデル(DPM)は、高忠実度画像合成のデファクトアプローチとして登場した。 本稿では, 再帰的拡散確率モデル(RDPM, Recurrent Diffusion Probabilistic Model)を提案する。
  論文  参考訳（メタデータ） (2024-12-24T12:28:19Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。