Buchumschlag

Bayesian Inverse Problems Meet Flow Matching: Efficient and Flexible Inference via Transformers

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Sherki, Daniil, Oseledets, Ivan, Muravleva, Ekaterina
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Message-Passing GNNs Fail to Approximate Sparse Triangular Factorizations
von: Trifonov, Vladislav, et al.
Veröffentlicht: (2025)

Spectral Analysis of the Weighted Frobenius Objective
von: Trifonov, Vladislav, et al.
Veröffentlicht: (2025)

On the Spatial Structure of Mixture-of-Experts in Transformers
von: Bershatsky, Daniel, et al.
Veröffentlicht: (2025)

PERELMAN: Pipeline for scientific literature meta-analysis. Technical report
von: Sherki, Daniil, et al.
Veröffentlicht: (2025)

GLiRA: Black-Box Membership Inference Attack via Knowledge Distillation
von: Galichin, Andrey V., et al.
Veröffentlicht: (2024)

Physics-Constrained Fine-Tuning of Flow-Matching Models for Generation and Inverse Problems
von: Tauberschmidt, Jan, et al.
Veröffentlicht: (2025)

IDLM: Inverse-distilled Diffusion Language Models
von: Li, David, et al.
Veröffentlicht: (2026)

The Ky Fan Norms and Beyond: Dual Norms and Combinations for Matrix Optimization
von: Kravatskiy, Alexey, et al.
Veröffentlicht: (2025)

Quantization of Large Language Models with an Overdetermined Basis
von: Merkulov, Daniil, et al.
Veröffentlicht: (2024)

Flow Matching Meets Biology and Life Science: A Survey
von: Li, Zihao, et al.
Veröffentlicht: (2025)

Exploring the Hidden Capacity of LLMs for One-Step Text Generation
von: Mezentsev, Gleb, et al.
Veröffentlicht: (2025)

Binding threshold units with artificial oscillatory neurons
von: Fanaskov, Vladimir, et al.
Veröffentlicht: (2025)

Quasi-Random Physics-informed Neural Networks
von: Yu, Tianchi, et al.
Veröffentlicht: (2025)

Deep Learning for Subspace Regression
von: Fanaskov, Vladimir, et al.
Veröffentlicht: (2025)

Tokenised Flow Matching for Hierarchical Simulation Based Inference
von: Charles, Giovanni, et al.
Veröffentlicht: (2026)

Posterior Mean Matching: Generative Modeling through Online Bayesian Inference
von: Salazar, Sebastian, et al.
Veröffentlicht: (2024)

Score-Based Variational Inference for Inverse Problems
von: Xue, Zhipeng, et al.
Veröffentlicht: (2024)

Pawsterior: Variational Flow Matching for Structured Simulation-Based Inference
von: Carrasco-Pollo, Jorge, et al.
Veröffentlicht: (2026)

Efficient Reinforcement Learning from Human Feedback via Bayesian Preference Inference
von: Cercola, Matteo, et al.
Veröffentlicht: (2025)

Solving Linear-Gaussian Bayesian Inverse Problems with Decoupled Diffusion Sequential Monte Carlo
von: Kelvinius, Filip Ekström, et al.
Veröffentlicht: (2025)

Scaling Laws Meet Model Architecture: Toward Inference-Efficient LLMs
von: Bian, Song, et al.
Veröffentlicht: (2025)

Active Inference Meeting Energy-Efficient Control of Parallel and Identical Machines
von: Yeganeh, Yavar Taheri, et al.
Veröffentlicht: (2024)

Spectral Informed Neural Network: An Efficient and Low-Memory PINN
von: Yu, Tianchi, et al.
Veröffentlicht: (2024)

Non-Adversarial Inverse Reinforcement Learning via Successor Feature Matching
von: Jain, Arnav Kumar, et al.
Veröffentlicht: (2024)

Grokking as Structural Inference: Transformers Need Bayesian Lottery Tickets
von: Hidajat, Kai, et al.
Veröffentlicht: (2026)

Towards Faster Language Model Inference Using Mixture-of-Experts Flow Matching
von: Li, Aihua
Veröffentlicht: (2026)

Your Transformer is Secretly Linear
von: Razzhigaev, Anton, et al.
Veröffentlicht: (2024)

Learning Unbiased Permutations via Flow Matching
von: Min, Yimeng, et al.
Veröffentlicht: (2026)

ConDiff: A Challenging Dataset for Neural Solvers of Partial Differential Equations
von: Trifonov, Vladislav, et al.
Veröffentlicht: (2024)

Optimal Bayesian Stopping for Efficient Inference of Consistent LLM Answers
von: Huang, Jingkai, et al.
Veröffentlicht: (2026)

Leveraging Self-Consistency for Data-Efficient Amortized Bayesian Inference
von: Schmitt, Marvin, et al.
Veröffentlicht: (2023)

Bayesian Conditioned Diffusion Models for Inverse Problems
von: Güngör, Alper, et al.
Veröffentlicht: (2024)

Driving Reaction Trajectories via Latent Flow Matching
von: Shen, Yili, et al.
Veröffentlicht: (2026)

RLinf: Flexible and Efficient Large-scale Reinforcement Learning via Macro-to-Micro Flow Transformation
von: Yu, Chao, et al.
Veröffentlicht: (2025)

Inverse Flow and Consistency Models
von: Zhang, Yuchen, et al.
Veröffentlicht: (2025)

Learning of Population Dynamics: Inverse Optimization Meets JKO Scheme
von: Persiianov, Mikhail, et al.
Veröffentlicht: (2025)

Learning Shortest Paths with Generative Flow Networks
von: Morozov, Nikita, et al.
Veröffentlicht: (2026)

Drift Flow Matching
von: Ma, Chenrui, et al.
Veröffentlicht: (2026)

Discrete Flow Matching
von: Gat, Itai, et al.
Veröffentlicht: (2024)

FlowDPS: Flow-Driven Posterior Sampling for Inverse Problems
von: Kim, Jeongsol, et al.
Veröffentlicht: (2025)