待验证50% 置信事实精确时间
论文用序贯蒙特卡洛（SMC）修正引导后粒子偏离原始无条件边缘分布造成的误差积累，使采样器在粒子数量趋于无穷时收敛到真正的目标密度。
1
来源数
50%
置信度
长期有效
时效性
2026/10/15
首次发现
来源
扩散模型负引导新突破：正无标签学习实现渐近精确采样
rss2026/10/14
涉及实体
相关事实
待验证基于序贯蒙特卡洛（SMC）的顺序退火方法在理论上是精确的，能无偏逼近目标分布，但需要维持庞大的粒子群体，计算开销高72% 相似待验证许多现有的SMC（序列蒙特卡洛）推理时采样方案依赖等权重重采样，这种做法会激进地剪除低权重轨迹，导致搜索空间的谱系多样性急剧下降70% 相似待验证用序列级目标引导离散扩散模型时，枚举所有可能补全组合会导致计算随未解析位置数量呈指数级增长67% 相似待验证粒子滤波用一组有限数量的样本（粒子）近似代替连续的概率分布来实现信念状态65% 相似待验证当目标分布是有限支撑时，论文给出了一个显式的粒子数阈值，超过该阈值后不存在虚假局部极小值，且每一个虚假驻点都是不稳定的。65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1037381API
curl https://kongchang.com/api/v1/knowledge/claims/1037381MCP
get_claim(id=1037381)