Copertina

Convergence Of Consistency Model With Multistep Sampling Under General Data Assumptions

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Chen, Yiding, Zhang, Yiyi, Oertell, Owen, Sun, Wen
Natura:	Preprint
Pubblicazione:	2025
Soggetti:	Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

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

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

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

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

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

Multistep Consistency Models
di: Heek, Jonathan, et al.
Pubblicazione: (2024)

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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