Buchumschlag

Demystifying Diffusion Objectives: Reweighted Losses are Better Variational Bounds

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Shi, Jiaxin, Titsias, Michalis K.
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

New Bounds for Sparse Variational Gaussian Processes
von: Titsias, Michalis K.
Veröffentlicht: (2025)

Sparse Orthogonal Variational Inference for Gaussian Processes
von: Shi, Jiaxin, et al.
Veröffentlicht: (2019)

Simplified and Generalized Masked Diffusion for Discrete Data
von: Shi, Jiaxin, et al.
Veröffentlicht: (2024)

Gradient Estimation with Discrete Stein Operators
von: Shi, Jiaxin, et al.
Veröffentlicht: (2022)

Variational Learning for Insertion-based Generation
von: Zhang, Yangtian, et al.
Veröffentlicht: (2026)

Sparse Gaussian Processes: Structured Approximations and Power-EP Revisited
von: Bui, Thang D., et al.
Veröffentlicht: (2025)

Learning-Order Autoregressive Models with Application to Molecular Graph Generation
von: Wang, Zhe, et al.
Veröffentlicht: (2025)

Personalized Federated Learning with Exact Stochastic Gradient Descent
von: Nikoloutsopoulos, Sotirios, et al.
Veröffentlicht: (2022)

Variance Reduction for the Independent Metropolis Sampler
von: Liu, Siran, et al.
Veröffentlicht: (2024)

Gaussian Invariant Markov Chain Monte Carlo
von: Titsias, Michalis K., et al.
Veröffentlicht: (2025)

Demystifying Variational Diffusion Models
von: Ribeiro, Fabio De Sousa, et al.
Veröffentlicht: (2024)

DFedReweighting: A Unified Framework for Objective-Oriented Reweighting in Decentralized Federated Learning
von: Zhang, Kaichuang, et al.
Veröffentlicht: (2025)

Learning to Forget with Information Divergence Reweighted Objectives for Noisy Labels
von: Birrell, Jeremiah, et al.
Veröffentlicht: (2025)

TapWeight: Reweighting Pretraining Objectives for Task-Adaptive Pretraining
von: Zhang, Ruiyi, et al.
Veröffentlicht: (2024)

The Illusion of Stochasticity in LLMs
von: Gu, Xiangming, et al.
Veröffentlicht: (2026)

Kalman Filter for Online Classification of Non-Stationary Data
von: Titsias, Michalis K., et al.
Veröffentlicht: (2023)

Demystify Protein Generation with Hierarchical Conditional Diffusion Models
von: Ling, Zinan, et al.
Veröffentlicht: (2025)

Reweighting Improves Conditional Risk Bounds
von: Zhang, Yikai, et al.
Veröffentlicht: (2025)

Exploring Criteria of Loss Reweighting to Enhance LLM Unlearning
von: Yang, Puning, et al.
Veröffentlicht: (2025)

Non-Stationary Learning of Neural Networks with Automatic Soft Parameter Reset
von: Galashov, Alexandre, et al.
Veröffentlicht: (2024)

A Flexible Fairness Framework with Surrogate Loss Reweighting for Addressing Sociodemographic Disparities
von: Xu, Wen, et al.
Veröffentlicht: (2025)

Variation-Bounded Loss for Noise-Tolerant Learning
von: Wang, Jialiang, et al.
Veröffentlicht: (2025)

Divide, Reweight, and Conquer: A Logit Arithmetic Approach for In-Context Learning
von: Huang, Chengsong, et al.
Veröffentlicht: (2024)

Environment-Conditioned Tail Reweighting for Total Variation Invariant Risk Minimization
von: Wang, Yuanchao, et al.
Veröffentlicht: (2026)

Revisiting Dynamic Evaluation: Online Adaptation for Large Language Models
von: Rannen-Triki, Amal, et al.
Veröffentlicht: (2024)

Dynamic Loss-Based Sample Reweighting for Improved Large Language Model Pretraining
von: Sow, Daouda, et al.
Veröffentlicht: (2025)

Beyond Losses Reweighting: Empowering Multi-Task Learning via the Generalization Perspective
von: Phan, Hoang, et al.
Veröffentlicht: (2022)

FaLW: A Forgetting-aware Loss Reweighting for Long-tailed Unlearning
von: Yu, Liheng, et al.
Veröffentlicht: (2026)

More is not always better? Enhancing Many-Shot In-Context Learning with Differentiated and Reweighting Objectives
von: Zhang, Xiaoqing, et al.
Veröffentlicht: (2025)

Rethinking Data Curation in LLM Training: Online Reweighting Offers Better Generalization than Offline Methods
von: Zhao, Wanru, et al.
Veröffentlicht: (2026)

Entropy Reweighted Conformal Classification
von: Luo, Rui, et al.
Veröffentlicht: (2024)

CANDI: Hybrid Discrete-Continuous Diffusion Models
von: Pynadath, Patrick, et al.
Veröffentlicht: (2025)

VarDiU: A Variational Diffusive Upper Bound for One-Step Diffusion Distillation
von: Wang, Leyang, et al.
Veröffentlicht: (2025)

A Differentiable Rank-Based Objective For Better Feature Learning
von: Pavasovic, Krunoslav Lehman, et al.
Veröffentlicht: (2025)

Rethinking Loss Reweighting for Imbalance Learning as an Inverse Problem: A Neural Collapse Point of View
von: Wang, Jinping, et al.
Veröffentlicht: (2026)

Diffusion-based Semi-supervised Spectral Algorithm for Regression on Manifolds
von: Xia, Weichun, et al.
Veröffentlicht: (2024)

ReFine: Boosting Time Series Prediction of Extreme Events by Reweighting and Fine-tuning
von: Shi, Jimeng, et al.
Veröffentlicht: (2024)

Better-than-KL PAC-Bayes Bounds
von: Kuzborskij, Ilja, et al.
Veröffentlicht: (2024)

Slow Feature Analysis as Variational Inference Objective
von: Schüler, Merlin, et al.
Veröffentlicht: (2025)

Recursive Learning of Asymptotic Variational Objectives
von: Mastrototaro, Alessandro, et al.
Veröffentlicht: (2024)