Buchumschlag

Sharp Convergence Rates for Masked Diffusion Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Liang, Yuchen, Tan, Zhiheng, Shroff, Ness, Liang, Yingbin
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

From Scores to Gibbs Correctors: Accelerating Uniform-Rate Discrete Diffusion Models
von: Liang, Yuchen, et al.
Veröffentlicht: (2026)

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

Theory on Score-Mismatched Diffusion Models and Zero-Shot Conditional Samplers
von: Liang, Yuchen, et al.
Veröffentlicht: (2024)

Discrete Diffusion Models: Novel Analysis and New Sampler Guarantees
von: Liang, Yuchen, et al.
Veröffentlicht: (2025)

Broadening Target Distributions for Accelerated Diffusion Models via a Novel Analysis Approach
von: Liang, Yuchen, et al.
Veröffentlicht: (2024)

Monitoring State Transitions in Markovian Systems with Sampling Cost
von: Saurav, Kumar, et al.
Veröffentlicht: (2025)

Near-Optimal Partially Observable Reinforcement Learning with Partial Online State Information
von: Shi, Ming, et al.
Veröffentlicht: (2023)

Learnable Chernoff Baselines for Inference-Time Alignment
von: Madhow, Sunil, et al.
Veröffentlicht: (2026)

Regret Bounds for Reinforcement Learning from Multi-Source Imperfect Preferences
von: Shi, Ming, et al.
Veröffentlicht: (2026)

Can We Theoretically Quantify the Impacts of Local Updates on the Generalization Performance of Federated Learning?
von: Ju, Peizhong, et al.
Veröffentlicht: (2024)

Mixture-of-Transformers Learn Faster: A Theoretical Study on Classification Problems
von: Li, Hongbo, et al.
Veröffentlicht: (2025)

Constraint-Rectified Training for Efficient Chain-of-Thought
von: Wu, Qinhang, et al.
Veröffentlicht: (2026)

Theory on Mixture-of-Experts in Continual Learning
von: Li, Hongbo, et al.
Veröffentlicht: (2024)

Unlocking the Power of Rehearsal in Continual Learning: A Theoretical Perspective
von: Deng, Junze, et al.
Veröffentlicht: (2025)

Provable Last-Iterate Convergence for Multi-Objective Safe LLM Alignment via Optimistic Primal-Dual
von: Li, Yining, et al.
Veröffentlicht: (2026)

Masked Diffusion Modeling for Anomaly Detection
von: Zhang, Lixing, et al.
Veröffentlicht: (2026)

Non-asymptotic Convergence of Training Transformers for Next-token Prediction
von: Huang, Ruiquan, et al.
Veröffentlicht: (2024)

How to Find the Exact Pareto Front for Multi-Objective MDPs?
von: Li, Yining, et al.
Veröffentlicht: (2024)

Provably Efficient Multi-Objective Bandit Algorithms under Preference-Centric Customization
von: Cao, Linfeng, et al.
Veröffentlicht: (2025)

FIRM: Federated In-client Regularized Multi-objective Alignment for Large Language Models
von: Nourzad, Fatemeh, et al.
Veröffentlicht: (2025)

Sharp Convergence Rates for Matching Pursuit
von: Klusowski, Jason M., et al.
Veröffentlicht: (2023)

AI‐EDGE: An NSF AI institute for future edge networks and distributed intelligence
von: Peizhong Ju, et al.
Veröffentlicht: (2024)

Escaping Offline Pessimism: Vector-Field Reward Shaping for Safe Frontier Exploration
von: Roknilamouki, Amirhossein, et al.
Veröffentlicht: (2026)

BeST -- A Novel Source Selection Metric for Transfer Learning
von: Soni, Ashutosh, et al.
Veröffentlicht: (2025)

Instance-dependent Convergence Theory for Diffusion Models
von: Jiao, Yuchen, et al.
Veröffentlicht: (2024)

GPT-4o as the Gold Standard: A Scalable and General Purpose Approach to Filter Language Model Pretraining Data
von: Zhang, Jifan, et al.
Veröffentlicht: (2024)

Reward Modeling for Reinforcement Learning-Based LLM Reasoning: Design, Challenges, and Evaluation
von: Pan, Pei-Chi, et al.
Veröffentlicht: (2026)

An LP-based Sampling Policy for Multi-Armed Bandits with Side-Observations and Stochastic Availability
von: Soni, Ashutosh, et al.
Veröffentlicht: (2026)

Beyond Masked and Unmasked: Discrete Diffusion Models via Partial Masking
von: Chao, Chen-Hao, et al.
Veröffentlicht: (2025)

Provable In-Context Learning of Nonlinear Regression with Transformers
von: Li, Hongbo, et al.
Veröffentlicht: (2025)

Provably Efficient UCB-type Algorithms For Learning Predictive State Representations
von: Huang, Ruiquan, et al.
Veröffentlicht: (2023)

Robust Offline Reinforcement Learning for Non-Markovian Decision Processes
von: Huang, Ruiquan, et al.
Veröffentlicht: (2024)

Adaptive Algorithms with Sharp Convergence Rates for Stochastic Hierarchical Optimization
von: Gong, Xiaochuan, et al.
Veröffentlicht: (2025)

Prediction-Assisted Online Distributed Deep Learning Workload Scheduling in GPU Clusters
von: Luo, Ziyue, et al.
Veröffentlicht: (2025)

Why Adam Can Beat SGD: Second-Moment Normalization Yields Sharper Tails
von: Jin, Ruinan, et al.
Veröffentlicht: (2026)

How Transformers Learn Regular Language Recognition: A Theoretical Study on Training Dynamics and Implicit Bias
von: Huang, Ruiquan, et al.
Veröffentlicht: (2025)

AM-SAM: Automated Prompting and Mask Calibration for Segment Anything Model
von: Li, Yuchen, et al.
Veröffentlicht: (2024)

Provably Efficient RL for Linear MDPs under Instantaneous Safety Constraints in Non-Convex Feature Spaces
von: Roknilamouki, Amirhossein, et al.
Veröffentlicht: (2025)

Breaking the Computational Barrier: Provably Efficient Actor-Critic for Low-Rank MDPs
von: Huang, Ruiquan, et al.
Veröffentlicht: (2026)

Algorithm Design for Online Meta-Learning with Task Boundary Detection
von: Sow, Daouda, et al.
Veröffentlicht: (2023)