論文の概要: Iterating Consistency Models: Stability, Error Bounds and Noise Schedules

• arxiv url: http://arxiv.org/abs/2610.03414v1
• Date: Fri, 02 Oct 2026 15:00:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-06 00:14:30.433873
• Title: Iterating Consistency Models: Stability, Error Bounds and Noise Schedules
• Title（参考訳）: 一貫性モデルの反復:安定性,誤差境界,騒音スケジューリング
• Abstract要約: ステップを追加することで、スケジュールに非常に敏感な方法でサンプルの品質を改善したり、劣化させることができます。 我々は,多段階CMサンプリングをノイズ発生および近似分解演算子の構成として分析する。 我々は、与えられた訓練されたモデルに対して、一段階の精度と安定性の仮定を推定できる補完的な保証を確立する。
• 参考スコア（独自算出の注目度）: 26.948978911276498
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Consistency models (CMs) have become a leading approach for generating high-quality samples in few steps. However, adding steps can improve or degrade sample quality in ways that are highly sensitive to the schedule and that existing theory does not fully explain. To provide accuracy guarantees and guide CM sampler design, we analyze multistep CM sampling as a composition of noising and approximate denoising operators. Under explicit, verifiable stability assumptions, we derive a non-asymptotic error bound that separates contraction of the initialization error from accumulation of approximation error. The bound assigns distinct roles to the schedule: large early noise levels drive contraction, while small late noise levels control the residual bias. As a corollary, we obtain explicit constants for strongly log-concave and semi-log-concave targets. We further establish a complementary guarantee whose assumptions, one-step accuracy and stability, can be estimated for a given trained model. Experiments show that the contraction and approximation profiles entering our bounds can be reliably measured and closely match the predicted functional forms. Together, these results provide a meaningful convergence theory for multi-step CMs and a practical route to sampler design.
• Abstract（参考訳）: 一貫性モデル(CM)は、いくつかのステップで高品質なサンプルを生成するための主要なアプローチとなっている。 しかし、ステップを追加することで、スケジュールに非常に敏感であり、既存の理論が完全には説明できない方法で、サンプルの品質を改善または低下させることができる。 精度保証とCMサンプリング設計のガイドとして,マルチステップCMサンプリングをノイズ発生および近似復調演算子の構成として分析する。 明示的で検証可能な安定性の仮定の下で、初期化誤差の収縮と近似誤差の蓄積を分離する非漸近誤差を導出する。 大きな初期ノイズレベルが収縮を駆動し、小さな後期ノイズレベルが残留バイアスを制御する。 その結果,強対数対数対数対数対数対数対数対数対数対数対数の対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対 さらに、与えられた訓練モデルに対して1段階の精度と安定性の仮定を推定できる補完的保証を確立する。 実験により, 境界線内への収縮および近似プロファイルは, 予測された機能形式と密に一致し, 確実に測定可能であることが示された。 これらの結果は、多段階CMに対する有意義な収束理論と、サンプル設計への実践的な経路を提供する。

関連論文リスト

• Accurate Large-sample Uncertainty Quantification using Stochastic Gradient Markov Chain Monte Carlo [7.029571020570523]
  運動量のないSG(L)Dに対する離散時間近似を提案する。 我々はこれらの推定値が実用的なチューニングと不確実性定量化に十分正確であることを示す量的非漸近誤差境界を証明した。
  論文  参考訳（メタデータ） (2026-05-29T19:24:38Z)
• Noise Titration: Exact Distributional Benchmarking for Probabilistic Time Series Forecasting [1.5939955861266883]
  本稿では,介入主義的,厳密な統計的ベンチマークへのパラダイムシフトを提案する。 我々は,ブラックボックスシーケンスマッチングゲームから正確な分布推定タスクに予測を変換する。 我々は、最先端のゼロショットモデルがコンテキストパロッキング機構と一貫して振る舞うことを発見した。
  論文  参考訳（メタデータ） (2026-03-23T17:14:11Z)
• Sharp Convergence Rates for Masked Diffusion Models [53.117058231393834]
  制約を克服するオイラー法に対する全変分に基づく解析法を開発した。 その結果、スコア推定の仮定を緩和し、パラメータ依存性を改善し、収束保証を確立する。 全体としては,CTMC軌道に沿った直接テレビによる誤り分解と,FHSのためのデカップリングに基づく経路解析を導入している。
  論文  参考訳（メタデータ） (2026-02-26T00:47:51Z)
• Decoupling the Effect of Chain-of-Thought Reasoning: A Human Label Variation Perspective [60.45433515408158]
  長いチェーン・オブ・ソート(CoT)がトップオプションの決定的決定要因となるが、あいまいなタスクの粒度分布キャリブレータとして機能しないことを示す。 CoTは分布アライメントを改善するが、CoTの内容によって最終的な精度が決定される。
  論文  参考訳（メタデータ） (2026-01-06T16:26:40Z)
• Distilling Calibration via Conformalized Credal Inference [30.8135853479509]
  信頼性を高める方法の1つは、ベイズ推定による不確実な定量化である。 本稿では,より複雑なモデルからキャリブレーション情報を抽出することにより,この問題に対処する低複雑さ手法を提案する。 視覚的および言語的タスクの実験により,提案手法はCD-CI (Conformalized Distillation for Credal Inference) と呼ばれ,校正性能が著しく向上することが示された。
  論文  参考訳（メタデータ） (2025-01-10T15:57:23Z)
• Unveiling the Statistical Foundations of Chain-of-Thought Prompting Methods [59.779795063072655]
  CoT(Chain-of-Thought)の促進とその変種は、多段階推論問題を解決する効果的な方法として人気を集めている。 統計的推定の観点からCoTのプロンプトを解析し,その複雑さを包括的に評価する。
  論文  参考訳（メタデータ） (2024-08-25T04:07:18Z)
• ROTI-GCV: Generalized Cross-Validation for right-ROTationally Invariant Data [5.830619388189558]
  高次元正規化回帰における2つの重要なタスクは、正確な予測のために正規化強度を調整し、サンプル外リスクを推定することである。 問題のある条件下でクロスバリデーションを確実に行うための新しいフレームワーク ROTI-GCV を導入する。
  論文  参考訳（メタデータ） (2024-06-17T15:50:00Z)
• Provable Guarantees for Generative Behavior Cloning: Bridging Low-Level Stability and High-Level Behavior [51.60683890503293]
  生成モデルを用いた複雑な専門家による実演の行動クローニングに関する理論的枠組みを提案する。 任意の専門的軌跡の時間ごとのステップ分布に一致するトラジェクトリを生成することができることを示す。
  論文  参考訳（メタデータ） (2023-07-27T04:27:26Z)
• Robustness and Accuracy Could Be Reconcilable by (Proper) Definition [109.62614226793833]
  強靭性と精度のトレードオフは、敵文学において広く研究されている。 局所的不変性の帰納的バイアスを課す不適切に定義された頑健な誤差に由来する可能性がある。 定義上、SCOREは、最悪のケースの不確実性に対処しながら、堅牢性と正確性の間の和解を促進する。
  論文  参考訳（メタデータ） (2022-02-21T10:36:09Z)

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。