研究提出Barron最优传输框架以优化生成建模

2026年10月9日，研究团队提出了将神经网络复杂度作为成本的Barron最优传输框架。该框架通过引入衡量单隐层网络表征复杂度的Barron能量，在概率测度空间中构建了与Wasserstein和Stein互补的新几何度量。在生成建模应用中，该研究量化了扩散模型的次优性，证明了高斯分布推前数据的超多项式score近似下界，并进一步探讨了特征自适应在构建替代生成模型方面的优势。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。