Buchumschlag

A unified perspective on fine-tuning and sampling with diffusion and flow models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Domingo-Enrich, Carles, Du, Yuanqi, Albergo, Michael S.
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Optimization and Control
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A Taxonomy of Loss Functions for Stochastic Optimal Control
von: Domingo-Enrich, Carles
Veröffentlicht: (2024)

Adjoint Matching through the Lens of the Stochastic Maximum Principle in Optimal Control
von: Domingo-Enrich, Carles, et al.
Veröffentlicht: (2026)

Rare Event Analysis via Stochastic Optimal Control
von: Du, Yuanqi, et al.
Veröffentlicht: (2026)

Adjoint Matching: Fine-tuning Flow and Diffusion Generative Models with Memoryless Stochastic Optimal Control
von: Domingo-Enrich, Carles, et al.
Veröffentlicht: (2024)

Stochastic Optimal Control Matching
von: Domingo-Enrich, Carles, et al.
Veröffentlicht: (2023)

Is RL fine-tuning harder than regression? A PDE learning approach for diffusion models
von: Mou, Wenlong
Veröffentlicht: (2025)

An optimal control perspective on diffusion-based generative modeling
von: Berner, Julius, et al.
Veröffentlicht: (2022)

Fine-tuning of diffusion models via stochastic control: entropy regularization and beyond
von: Tang, Wenpin, et al.
Veröffentlicht: (2024)

Self-supervised diffusion model fine-tuning for costate initialization using Markov chain Monte Carlo
von: Graebner, Jannik, et al.
Veröffentlicht: (2025)

A unified framework for establishing the universal approximation of transformer-type architectures
von: Cheng, Jingpu, et al.
Veröffentlicht: (2025)

Test-time scaling of diffusions with flow maps
von: Sabour, Amirmojtaba, et al.
Veröffentlicht: (2025)

One to beat them all: "RYU" -- a unifying framework for the construction of safe balls
von: Tran, Thu-Le, et al.
Veröffentlicht: (2023)

Tightening convex relaxations of trained neural networks: a unified approach for convex and S-shaped activations
von: Carrasco, Pablo, et al.
Veröffentlicht: (2024)

Randomized multi-class classification under system constraints: a unified approach via post-processing
von: Chzhen, Evgenii, et al.
Veröffentlicht: (2025)

Improved sampling via learned diffusions
von: Richter, Lorenz, et al.
Veröffentlicht: (2023)

Characterizing the Training Dynamics of Private Fine-tuning with Langevin diffusion
von: Ke, Shuqi, et al.
Veröffentlicht: (2024)

A new perspective on low-rank optimization
von: Bertsimas, Dimitris, et al.
Veröffentlicht: (2021)

Stochastic Control for Fine-tuning Diffusion Models: Optimality, Regularity, and Convergence
von: Han, Yinbin, et al.
Veröffentlicht: (2024)

A brief note on learning problem with global perspectives
von: Befekadu, Getachew K.
Veröffentlicht: (2026)

Towards safe control parameter tuning in distributed multi-agent systems
von: Tokmak, Abdullah, et al.
Veröffentlicht: (2025)

A primal-dual perspective for distributed TD-learning
von: Lim, Han-Dong, et al.
Veröffentlicht: (2023)

Regret Analysis: a control perspective
von: Gibson, Travis E., et al.
Veröffentlicht: (2025)

The Sample Complexity of Online Reinforcement Learning: A Multi-model Perspective
von: Muehlebach, Michael, et al.
Veröffentlicht: (2025)

What price to pay? Auto-tuning a building MPC controller for optimal economic cost
von: Yu, Jiarui, et al.
Veröffentlicht: (2025)

On diffusion-based generative models and their error bounds: The log-concave case with full convergence estimates
von: Bruno, Stefano, et al.
Veröffentlicht: (2023)

On the influence of dependent features in classification problems: a game-theoretic perspective
von: Davila-Pena, Laura, et al.
Veröffentlicht: (2024)

Constructive approximate transport maps with normalizing flows
von: Álvarez-López, Antonio, et al.
Veröffentlicht: (2024)

Convergence of gradient flow for learning convolutional neural networks
von: Diederen, Jona-Maria, et al.
Veröffentlicht: (2026)

On exploration of an interior mirror descent flow for stochastic nonconvex constrained problem
von: Ding, Kuangyu, et al.
Veröffentlicht: (2025)

Evaluating the design space of diffusion-based generative models
von: Wang, Yuqing, et al.
Veröffentlicht: (2024)

Infinity-norm-based Input-to-State-Stable Long Short-Term Memory networks: a thermal systems perspective
von: De Carli, Stefano, et al.
Veröffentlicht: (2025)

Near-optimal and Efficient First-Order Algorithm for Multi-Task Learning with Shared Linear Representation
von: Ding, Shihong, et al.
Veröffentlicht: (2026)

Toward Global Convergence of Gradient EM for Over-Parameterized Gaussian Mixture Models
von: Xu, Weihang, et al.
Veröffentlicht: (2024)

Bayesian inference of mean velocity fields and turbulence models from flow MRI
von: Kontogiannis, A., et al.
Veröffentlicht: (2024)

New algorithms for sampling and diffusion models
von: Zhang, Xicheng
Veröffentlicht: (2024)

Convergence of flow-based generative models via proximal gradient descent in Wasserstein space
von: Cheng, Xiuyuan, et al.
Veröffentlicht: (2023)

On Constraints in First-Order Optimization: A View from Non-Smooth Dynamical Systems
von: Muehlebach, Michael, et al.
Veröffentlicht: (2021)

A Fisher-Rao gradient flow for entropic mean-field min-max games
von: Lascu, Razvan-Andrei, et al.
Veröffentlicht: (2024)

A robust and adaptive MPC formulation for Gaussian process models
von: Dubied, Mathieu, et al.
Veröffentlicht: (2025)

Hyperparameter tuning via trajectory predictions: Stochastic prox-linear methods in matrix sensing
von: Lou, Mengqi, et al.
Veröffentlicht: (2024)