Buchumschlag

Slowly Annealed Langevin Dynamics: Theory and Applications to Training-Free Guided Generation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Nitanda, Atsushi, Bu, Dake, Lyu, Yueming, Veeravalli, Tanya
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

Propagation of Chaos for Mean-Field Langevin Dynamics and its Application to Model Ensemble
von: Nitanda, Atsushi, et al.
Veröffentlicht: (2025)

Provable Benefit of Curriculum in Transformer Tree-Reasoning Post-Training
von: Bu, Dake, et al.
Veröffentlicht: (2025)

How Does Preconditioning Guide Feature Learning in Deep Neural Networks?
von: Yoshida, Kotaro, et al.
Veröffentlicht: (2025)

Improved Particle Approximation Error for Mean Field Neural Networks
von: Nitanda, Atsushi
Veröffentlicht: (2024)

Post-Training as Reweighting: A Stochastic View of Reasoning Trajectories in Language Models
von: Bu, Dake, et al.
Veröffentlicht: (2025)

Provably Transformers Harness Multi-Concept Word Semantics for Efficient In-Context Learning
von: Bu, Dake, et al.
Veröffentlicht: (2024)

DPRM: A Plug-in Doob h transform-induced Token-Ordering Module for Diffusion Language Models
von: Bu, Dake, et al.
Veröffentlicht: (2026)

Provable In-Context Vector Arithmetic via Retrieving Task Concepts
von: Bu, Dake, et al.
Veröffentlicht: (2025)

Alternating Diffusion for Proximal Sampling with Zeroth Order Queries
von: Takagi, Hirohane, et al.
Veröffentlicht: (2026)

Uniform convergence of the smooth calibration error and its relationship with functional gradient
von: Futami, Futoshi, et al.
Veröffentlicht: (2025)

Statistical Analysis of the Sinkhorn Iterations for Two-Sample Schrödinger Bridge Estimation
von: Maeda, Ibuki, et al.
Veröffentlicht: (2025)

Towards a Unified Analysis of Neural Networks in Nonparametric Instrumental Variable Regression: Optimization and Generalization
von: Chen, Zonghao, et al.
Veröffentlicht: (2025)

Mirror Descent Policy Optimisation for Robust Constrained Markov Decision Processes
von: Bossens, David M., et al.
Veröffentlicht: (2025)

Intrinsic Wasserstein Rates for Score-Based Generative Models on Smooth Manifolds
von: Fu, Guoji, et al.
Veröffentlicht: (2026)

Why is parameter averaging beneficial in SGD? An objective smoothing perspective
von: Nitanda, Atsushi, et al.
Veröffentlicht: (2023)

Direct Distributional Optimization for Provable Alignment of Diffusion Models
von: Kawata, Ryotaro, et al.
Veröffentlicht: (2025)

Accelerating Divisible Load Processing Through Machine Learning: A Practical Framework for Large-Scale Workloads
von: Veeravalli, Bharadwaj
Veröffentlicht: (2026)

Non-asymptotic Analysis of Diffusion Annealed Langevin Monte Carlo for Generative Modelling
von: Cordero-Encinar, Paula, et al.
Veröffentlicht: (2025)

Gradient-Guided Annealing for Domain Generalization
von: Ballas, Aristotelis, et al.
Veröffentlicht: (2025)

Dimension-Free Multimodal Sampling via Preconditioned Annealed Langevin Dynamics
von: Baldassari, Lorenzo, et al.
Veröffentlicht: (2026)

Posterior Sampling by Combining Diffusion Models with Annealed Langevin Dynamics
von: Xun, Zhiyang, et al.
Veröffentlicht: (2025)

Koopman-based generalization bound: New aspect for full-rank weights
von: Hashimoto, Yuka, et al.
Veröffentlicht: (2023)

Efficient Approximate Posterior Sampling with Annealed Langevin Monte Carlo
von: Parulekar, Advait, et al.
Veröffentlicht: (2025)

Real-Time Generative Policy via Langevin-Guided Flow Matching for Autonomous Driving
von: Zhu, Tianze, et al.
Veröffentlicht: (2026)

Is Prior-Free Black-Box Non-Stationary Reinforcement Learning Feasible?
von: Gerogiannis, Argyrios, et al.
Veröffentlicht: (2024)

Heterogeneous Multi-Player Multi-Armed Bandits Robust To Adversarial Attacks
von: Magesh, Akshayaa, et al.
Veröffentlicht: (2025)

DAL: A Practical Prior-Free Black-Box Framework for Non-Stationary Bandits
von: Gerogiannis, Argyrios, et al.
Veröffentlicht: (2025)

Diversified Batch Selection for Training Acceleration
von: Hong, Feng, et al.
Veröffentlicht: (2024)

Asymptotic and Finite-Time Guarantees for Langevin-Based Temperature Annealing in InfoNCE
von: Chaudhry, Faris
Veröffentlicht: (2026)

Convergence of Stochastic Gradient Langevin Dynamics in the Lazy Training Regime
von: Oberweis, Noah, et al.
Veröffentlicht: (2025)

An Information-Theoretic Framework for Out-of-Distribution Generalization with Applications to Stochastic Gradient Langevin Dynamics
von: Liu, Wenliang, et al.
Veröffentlicht: (2024)

Provable Benefit of Annealed Langevin Monte Carlo for Non-log-concave Sampling
von: Guo, Wei, et al.
Veröffentlicht: (2024)

Critically-Damped Higher-Order Langevin Dynamics for Generative Modeling
von: Sterling, Benjamin, et al.
Veröffentlicht: (2025)

RNAGenScape: Property-Guided, Optimized Generation of mRNA Sequences with Manifold Langevin Dynamics
von: Liao, Danqi, et al.
Veröffentlicht: (2025)

IKNO: Infinite-order Kernel Neural Operators
von: Zhu, Pengyuan, et al.
Veröffentlicht: (2026)

Covariance-Adaptive Sequential Black-box Optimization for Diffusion Targeted Generation
von: Lyu, Yueming, et al.
Veröffentlicht: (2024)

Thinned Mean Field Langevin Dynamics
von: Chen, Zonghao, et al.
Veröffentlicht: (2026)

Application of Langevin Dynamics to Advance the Quantum Natural Gradient Optimization Algorithm
von: Borysenko, Oleksandr, et al.
Veröffentlicht: (2024)

Regularized Langevin Dynamics for Combinatorial Optimization
von: Feng, Shengyu, et al.
Veröffentlicht: (2025)

Uniform-in-$N$ log-Sobolev inequality for the mean-field Langevin dynamics with convex energy
von: Chewi, Sinho, et al.
Veröffentlicht: (2024)