論文の概要: Error-Corrected Inference-Time Scaling for Imperfect Diffusion Models

• arxiv url: http://arxiv.org/abs/2610.01933v1
• Date: Thu, 01 Oct 2026 16:05:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-03 01:19:24.251139
• Title: Error-Corrected Inference-Time Scaling for Imperfect Diffusion Models
• Title（参考訳）: 不完全な拡散モデルに対する誤差補正推論時間スケーリング
• Abstract要約: 推論時間スケーリングは、事前訓練された拡散モデルを追加のトレーニングなしで新しいサンプリングタスクに適応させる。 エネルギーベースの拡散モデルのためのフレームワークであるFeynman-Kac Corrector (EBFKC)を導入し、これらのエラーをその場で修正する。
• 参考スコア（独自算出の注目度）: 13.224510272367775
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Inference-time scaling adapts pretrained diffusion models to new sampling tasks without additional training. Existing methods rely primarily on Monte Carlo sampling with more particles, yet are premised on the pretrained model being exact. In practice, data and training limitations make the model imperfect, and these methods inherit its error. More particles reduce Monte Carlo error but cannot remove the mismatch between the endpoint and the desired target or the error in tracking the prescribed probability path. We introduce the Energy-based Feynman-Kac Corrector (EBFKC), a framework for energy-based diffusion models that corrects these errors on the fly given a reference energy. We first derive Feynman-Kac dynamics that track a prescribed path exactly in the continuous-time population limit even when the model is imperfect, and approximate these dynamics using sequential Monte Carlo with variance-controlling guidance. To remove the endpoint mismatch, we use the pretrained energy as a surrogate along the diffusion path and progressively incorporate the discrepancy between the learned and target terminal energies. Experiments on Gaussian mixture models, particle systems, alanine dipeptide, and alanine tetrapeptide show that our method closely matches target distributions and molecular free-energy profiles under annealing and reward tilting, whereas standard inference-time scaling baselines retain substantial sampling errors.
• Abstract（参考訳）: 推論時間スケーリングは、事前訓練された拡散モデルを追加のトレーニングなしで新しいサンプリングタスクに適応させる。 既存の方法はモンテカルロサンプリングに大きく依存しているが、正確には事前訓練されたモデルに基づいている。 実際には、データとトレーニングの制限によってモデルが不完全になり、これらのメソッドはそのエラーを継承する。 より多くの粒子がモンテカルロ誤差を減少させるが、所定の確率経路を追跡する際に、エンドポイントと所望のターゲットとのミスマッチを除去することはできない。 エネルギーベースFeynman-Kac Corrector (EBFKC) は、エネルギーベース拡散モデルのためのフレームワークで、参照エネルギーを与えられた時にこれらのエラーを修正する。 まず、モデルが不完全である場合でも、所定の経路を連続時間人口制限で正確に追跡するFeynman-Kac力学を導出し、分散制御誘導を用いたシーケンシャルモンテカルロを用いてこれらの力学を近似する。 終端ミスマッチを除去するために、予め訓練したエネルギーを拡散経路に沿った代理として使用し、学習された終端エネルギーと目標終端エネルギーの相違を徐々に取り入れる。 ガウス混合モデル, 粒子系, アラニンジペプチド, アラニンテトラペプチドを用いた実験により, 本手法はアニーリングおよび報酬傾き下での分子自由エネルギープロファイルと密に一致し, 標準時スケーリングベースラインは相当なサンプリング誤差を保っていることがわかった。

関連論文リスト

• Interacting particle guidance for sampling reward-tilted generative priors [15.077556801319693]
  インタイムステアリングは、事前訓練された拡散とフローベースのモデルを新しいタスクに適応させる。 誘導に基づく手法は偏りのあるサンプルを生成する近似に依存する。 本稿では, 再重み付けを輸送に置き換えるインタラクション粒子誘導(IPG)を提案する。
  論文  参考訳（メタデータ） (2026-09-29T10:40:37Z)
• FluxLite: Inference-Time Proposal Control for Discrete Diffusion Models [22.416181303190573]
  本稿では、離散拡散のための軽量でトレーニング不要な提案制御フレームワークであるFluxLiteを紹介する。 我々はこの原理を2つの実践的なサンプルとしてインスタンス化している: 1-hop Local reallocation rule (HEU) と、事前訓練されたレートベース (D-VCG) 上の小さな非負の二次プログラムである。
  論文  参考訳（メタデータ） (2026-09-28T17:02:48Z)
• Non-Asymptotic Error Bounds for SMC with Biased Proposals: Application to Conditional Diffusion Sampling [3.8781702441729227]
  本稿では,Sequential Monte Carloサンプルに対する非漸近誤差解析法を提案する。 総誤差をカーネルバイアスに分解し、理想遷移核を近似的に置き換える効果と有限粒子モンテカルロ誤差を測定する。
  論文  参考訳（メタデータ） (2026-07-06T08:10:13Z)
• Consistent Sampling and Simulation: Molecular Dynamics with Energy-Based Diffusion Models [50.77646970127369]
  本稿では,Fokker-Planck由来の正規化項を用いたエネルギーベース拡散モデルを提案する。 高速折りたたみタンパク質を含む複数の生体分子系をサンプリング・シミュレートし,本手法を実証する。
  論文  参考訳（メタデータ） (2025-06-20T16:38:29Z)
• Progressive Inference-Time Annealing of Diffusion Models for Sampling from Boltzmann Densities [93.13866975467549]
  拡散に基づくサンプル学習のために, PITA(Progressive Inference-Time Annealing)を提案する。 PITAはボルツマン分布のアナーリングと拡散平滑化という2つの相補的手法を組み合わせたものである。 N-体粒子系、アラニンジペプチド、トリペプチドの平衡サンプリングを可能にする。
  論文  参考訳（メタデータ） (2025-06-19T17:14:22Z)
• Feynman-Kac Correctors in Diffusion: Annealing, Guidance, and Product of Experts [64.34482582690927]
  事前学習したスコアベースモデルから得られた熱処理, 幾何平均, 製品分布の配列から, 効率的かつ原理的に抽出する方法を提供する。 本稿では,サンプリング品質を向上させるために,推論時間スケーリングを利用する逐次モンテカルロ(SMC)再サンプリングアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-03-04T17:46:51Z)
• On Error Propagation of Diffusion Models [77.91480554418048]
  DMのアーキテクチャにおける誤り伝播を数学的に定式化するための理論的枠組みを開発する。 累積誤差を正規化項として適用して誤差伝搬を低減する。 提案した正規化はエラーの伝播を低減し,バニラDMを大幅に改善し,以前のベースラインよりも優れていた。
  論文  参考訳（メタデータ） (2023-08-09T15:31:17Z)

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。