Buchumschlag

Convergence Of Consistency Model With Multistep Sampling Under General Data Assumptions

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chen, Yiding, Zhang, Yiyi, Oertell, Owen, Sun, Wen
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

RL for Consistency Models: Faster Reward Guided Text-to-Image Generation
von: Oertell, Owen, et al.
Veröffentlicht: (2024)

Scaling Offline RL via Efficient and Expressive Shortcut Models
von: Espinosa-Dice, Nicolas, et al.
Veröffentlicht: (2025)

Efficient Controllable Diffusion via Optimal Classifier Guidance
von: Oertell, Owen, et al.
Veröffentlicht: (2025)

TurboHopp: Accelerated Molecule Scaffold Hopping with Consistency Models
von: Yoo, Kiwoong, et al.
Veröffentlicht: (2024)

More Benefits of Being Distributional: Second-Order Bounds for Reinforcement Learning
von: Wang, Kaiwen, et al.
Veröffentlicht: (2024)

Multistep Consistency Models
von: Heek, Jonathan, et al.
Veröffentlicht: (2024)

LLMs Can Learn to Reason Via Off-Policy RL
von: Ritter, Daniel, et al.
Veröffentlicht: (2026)

Discrete Flow Matching: Convergence Guarantees Under Minimal Assumptions
von: Pham, Le-Tuyet-Nhi, et al.
Veröffentlicht: (2026)

Generalization in Kernel Regression Under Realistic Assumptions
von: Barzilai, Daniel, et al.
Veröffentlicht: (2023)

Knowledge Distillation Under Ideal Joint Classifier Assumption
von: Li, Huayu, et al.
Veröffentlicht: (2023)

Avoiding $\mathbf{exp(R_{max})}$ scaling in RLHF through Preference-based Exploration
von: Chen, Mingyu, et al.
Veröffentlicht: (2025)

Dataset Reset Policy Optimization for RLHF
von: Chang, Jonathan D., et al.
Veröffentlicht: (2024)

Revisiting Convergence of AdaGrad with Relaxed Assumptions
von: Hong, Yusu, et al.
Veröffentlicht: (2024)

Extrapolation Guarantees for Perturbation Modeling Under the Additive Latent Shift Assumption
von: von Kügelgen, Julius, et al.
Veröffentlicht: (2025)

A Sharp KL-Convergence Analysis for Diffusion Models under Minimal Assumptions
von: Jain, Nishant, et al.
Veröffentlicht: (2025)

Almost Linear Convergence under Minimal Score Assumptions: Quantized Transition Diffusion
von: Huang, Xunpeng, et al.
Veröffentlicht: (2025)

Multistep Inverse Is Not All You Need
von: Levine, Alexander, et al.
Veröffentlicht: (2024)

On Convergence of Adam for Stochastic Optimization under Relaxed Assumptions
von: Hong, Yusu, et al.
Veröffentlicht: (2024)

Adaptive Data Optimization: Dynamic Sample Selection with Scaling Laws
von: Jiang, Yiding, et al.
Veröffentlicht: (2024)

NDCG-Consistent Softmax Approximation with Accelerated Convergence
von: Pu, Yuanhao, et al.
Veröffentlicht: (2025)

DirectMultiStep: Direct Route Generation for Multistep Retrosynthesis
von: Shee, Yu, et al.
Veröffentlicht: (2024)

Graphical Modelling without Independence Assumptions for Uncentered Data
von: Andrew, Bailey, et al.
Veröffentlicht: (2024)

Diffusing States and Matching Scores: A New Framework for Imitation Learning
von: Wu, Runzhe, et al.
Veröffentlicht: (2024)

Improving Generalization on the ProcGen Benchmark with Simple Architectural Changes and Scale
von: Jesson, Andrew, et al.
Veröffentlicht: (2024)

O(d/T) Convergence Theory for Diffusion Probabilistic Models under Minimal Assumptions
von: Li, Gen, et al.
Veröffentlicht: (2024)

Bit-Level Discrete Diffusion with Markov Probabilistic Models: An Improved Framework with Sharp Convergence Bounds under Minimal Assumptions
von: Pham, Le-Tuyet-Nhi, et al.
Veröffentlicht: (2025)

Model Capacity Determines Grokking through Competing Memorisation and Generalisation Speeds
von: Song, Yiding, et al.
Veröffentlicht: (2026)

Theoretical Convergence of SMOTE-Generated Samples
von: Kamalov, Firuz, et al.
Veröffentlicht: (2026)

Mitigating Value Hallucination in Dyna Planning via Multistep Predecessor Models
von: Aminmansour, Farzane, et al.
Veröffentlicht: (2020)

Incremental Multistep Forecasting of Battery Degradation Using Pseudo Targets
von: Rico, Jonathan Adam, et al.
Veröffentlicht: (2025)

Differentially Private Nonparametric Confidence Intervals Under Minimal Distributional Assumptions
von: Shoham, Tomer, et al.
Veröffentlicht: (2025)

One-Shot Clustering for Federated Learning Under Clustering-Agnostic Assumption
von: Zuziak, Maciej Krzysztof, et al.
Veröffentlicht: (2025)

Efficient and Unbiased Sampling of Boltzmann Distributions via Consistency Models
von: Zhang, Fengzhe, et al.
Veröffentlicht: (2024)

Revisiting the LiRA Membership Inference Attack Under Realistic Assumptions
von: Jebreel, Najeeb, et al.
Veröffentlicht: (2026)

Achieving $ε^{-2}$ Sample Complexity for Single-Loop Actor-Critic under Minimal Assumptions
von: Hamza, Ishaq, et al.
Veröffentlicht: (2026)

Multistep Quasimetric Learning for Scalable Goal-conditioned Reinforcement Learning
von: Zheng, Bill Chunyuan, et al.
Veröffentlicht: (2025)

An Integrated Data Processing Framework for Pretraining Foundation Models
von: Sun, Yiding, et al.
Veröffentlicht: (2024)

Assumption-Lean and Data-Adaptive Post-Prediction Inference
von: Miao, Jiacheng, et al.
Veröffentlicht: (2023)

Sensitivity Analysis of the Consistency Assumption
von: Knaeble, Brian, et al.
Veröffentlicht: (2025)

A Cramér-von Mises Approach to Incentivizing Truthful Data Sharing
von: Clinton, Alex, et al.
Veröffentlicht: (2025)