待验证50% 置信事实精确时间
通过学习算法的前推测度（push-forward measure）可以从数据分布空间的DP先验诱导出参数空间的后验分布。
1
来源数
50%
置信度
长期有效
时效性
2026/10/16
首次发现
来源
告别参数量依赖：Dirichlet过程实现深度网络无维度PAC-Bayes泛化界
rss2026/10/15
涉及实体
相关事实
已验证DPO（Direct Preference Optimization）是2023年提出的对齐方法，可以跳过奖励模型训练直接从人类偏好数据中优化策略模型70% 相似待验证引导式生成模型利用深度生成模型的表达能力自动学习最优提议分布，解决传统重要性采样中人工设计提议分布的难题68% 相似待验证分位数回归通过直接对目标变量的条件分位数建模（如同时训练 5%、50%、95% 分位点）来得到预测中位数和区间，不需要假设误差服从高斯分布，对长尾或非对称分布更稳健。68% 相似待验证该研究提出了两种迭代式推断算法：推前（Push-forward）通过迭代估计密度比并沿位移场移动样本来修正预训练采样器，无需重新训练；拉回（Pull-back）将数据向基分布拉近，逐层拟合变换模型。68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1046142API
curl https://kongchang.com/api/v1/knowledge/claims/1046142MCP
get_claim(id=1046142)