Buchumschlag

Efficient Sampling with Discrete Diffusion Models: Sharp and Adaptive Guarantees

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Dmitriev, Daniil, Huang, Zhihan, Wei, Yuting
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Information Theory Statistics Theory
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Towards a mathematical theory for consistency training in diffusion models
von: Li, Gen, et al.
Veröffentlicht: (2024)

Towards Faster Non-Asymptotic Convergence for Diffusion-Based Generative Models
von: Li, Gen, et al.
Veröffentlicht: (2023)

Breaking the Sample Size Barrier in Model-Based Reinforcement Learning with a Generative Model
von: Li, Gen, et al.
Veröffentlicht: (2020)

Settling the Sample Complexity of Model-Based Offline Reinforcement Learning
von: Li, Gen, et al.
Veröffentlicht: (2022)

Breaking AR's Sampling Bottleneck: Provable Acceleration via Diffusion Language Models
von: Li, Gen, et al.
Veröffentlicht: (2025)

The Curious Price of Distributional Robustness in Reinforcement Learning with a Generative Model
von: Shi, Laixi, et al.
Veröffentlicht: (2023)

Is Q-Learning Minimax Optimal? A Tight Sample Complexity Analysis
von: Li, Gen, et al.
Veröffentlicht: (2021)

Universal time-series forecasting with mixture predictors
von: Ryabko, Daniil
Veröffentlicht: (2020)

Minimax optimal submatrix detection: Sharp non-asymptotic rates
von: Knight, Parker, et al.
Veröffentlicht: (2026)

A non-asymptotic distributional theory of approximate message passing for sparse and robust regression
von: Li, Gen, et al.
Veröffentlicht: (2024)

Distributed Nonparametric Estimation: from Sparse to Dense Samples per Terminal
von: Yuan, Deheng, et al.
Veröffentlicht: (2025)

On the Nonasymptotic Scaling Guarantee of Hyperparameter Estimation in Inhomogeneous, Weakly-Dependent Complex Network Dynamical Systems
von: Yu, Yi, et al.
Veröffentlicht: (2026)

Adaptation to Intrinsic Dependence in Diffusion Language Models
von: Zhao, Yunxiao, et al.
Veröffentlicht: (2026)

Adaptive Refinement Protocols for Distributed Distribution Estimation under $\ell^p$-Losses
von: Yuan, Deheng, et al.
Veröffentlicht: (2024)

Sharp One-Dimensional Sub-Gaussian Comparison in Convex Order
von: Zhang, Yihan
Veröffentlicht: (2026)

Minimax Optimality of the Probability Flow ODE for Diffusion Models
von: Cai, Changxiao, et al.
Veröffentlicht: (2025)

Statistical Inference under Adaptive Sampling with LinUCB
von: Fan, Wei, et al.
Veröffentlicht: (2025)

Absorb and Converge: Provable Convergence Guarantee for Absorbing Discrete Diffusion Models
von: Liang, Yuchen, et al.
Veröffentlicht: (2025)

Diffusion Models Are Statistically Optimal for Learning Low-Dimensional Multi-Modal Distributions
von: Wu, Jingda, et al.
Veröffentlicht: (2026)

Agnostic Sample Compression Schemes for Regression
von: Attias, Idan, et al.
Veröffentlicht: (2018)

Minimax Optimality of Score-based Diffusion Models: Beyond the Density Lower Bound Assumptions
von: Zhang, Kaihong, et al.
Veröffentlicht: (2024)

Breaking the Finite-Sample Barrier in Entropy Coupling
von: Asoodeh, Shahab, et al.
Veröffentlicht: (2026)

On the Sample Complexity of Robust Binary Hypothesis Testing
von: Vallinayagam, Shankar, et al.
Veröffentlicht: (2026)

The Sample Complexity of Simple Binary Hypothesis Testing
von: Pensia, Ankit, et al.
Veröffentlicht: (2024)

Information-Theoretic Guarantees for Recovering Low-Rank Tensors from Symmetric Rank-One Measurements
von: Kızıldağ, Eren C.
Veröffentlicht: (2025)

Sample efficient inductive matrix completion with noise and inexact side information
von: Yang, Yuepeng, et al.
Veröffentlicht: (2026)

Sequential 1-bit Mean Estimation with Near-Optimal Sample Complexity
von: Lau, Ivan, et al.
Veröffentlicht: (2025)

Improved Sample Complexity Bounds for Diffusion Model Training
von: Gupta, Shivam, et al.
Veröffentlicht: (2023)

The Sample Complexity of Distributed Simple Binary Hypothesis Testing under Information Constraints
von: Kazemi, Hadi, et al.
Veröffentlicht: (2025)

Efficient Unbiased Sparsification
von: Barnes, Leighton, et al.
Veröffentlicht: (2024)

Avoiding the Price of Adaptivity: Inference in Linear Contextual Bandits via Stability
von: Praharaj, Samya, et al.
Veröffentlicht: (2025)

Diffusion Models with Heavy-Tailed Targets: Score Estimation and Sampling Guarantees
von: Yu, Yifeng, et al.
Veröffentlicht: (2026)

Characterizing Dependence of Samples along the Langevin Dynamics and Algorithms via Contraction of $Φ$-Mutual Information
von: Liang, Jiaming, et al.
Veröffentlicht: (2024)

A Sharp Convergence Theory for The Probability Flow ODEs of Diffusion Models
von: Li, Gen, et al.
Veröffentlicht: (2024)

High-probability sample complexities for policy evaluation with linear function approximation
von: Li, Gen, et al.
Veröffentlicht: (2023)

Denoising diffusion probabilistic models are optimally adaptive to unknown low dimensionality
von: Huang, Zhihan, et al.
Veröffentlicht: (2024)

Federated PCA and Estimation for Spiked Covariance Matrices: Optimal Rates and Efficient Algorithm
von: Li, Jingyang, et al.
Veröffentlicht: (2024)

On the Provable Performance Guarantee of Efficient Reasoning Models
von: Zeng, Hao, et al.
Veröffentlicht: (2025)

Variational Optimality of Föllmer Processes in Generative Diffusions
von: Chen, Yifan, et al.
Veröffentlicht: (2026)

Information-Theoretic Thresholds for the Alignments of Partially Correlated Graphs
von: Huang, Dong, et al.
Veröffentlicht: (2024)