arXiv · ML· Max W. Shen, Mark Goldstein, Zichu Wang, Aahlad Puli, Rajesh Ranganath·· 11 天前AI 评分27
StopGrads 学习法:平稳点、收敛性及流映射学习案例研究
How I learned to stop worrying and love StopGrads: Stationarity, Convergence, and a case study on Flow Map Learning
AI 导读
研究提出一种 StopGrad 回归原理,统一了流映射、强化学习及扩散采样器的 StopGrad 目标,并证明其唯一平稳点为真实流映射。 该原理为 MeanFlow 等目标的收敛性提供理论支撑,且通过修改 StopGrad 放置位置将训练内存需求减少 2 倍。 该研究已被 NeurIPS 2026 主会议接受为 Poster。
来源:arXiv · ML · arxiv.org