langevin-dynamics

提出了一种用于非对数凹分布的方差缩减零阶朗之万采样方法，建立了首个非渐近收敛保证，并将其应用于基于分数的生成先验的逆问题中。

本文分析了预训练扩散模型在线性逆问题上的零样本条件采样，提供了信息论保证并提出了一种投影 Langevin 初始化方法。

OpenAI 提出了基于能量的模型 (EBM) 的隐式生成和泛化方法，该方法使用 Langevin 动力学进行迭代优化以生成样本，无需显式生成器网络。该方法具有多个优势，包括自适应计算时间、学习不连通数据模式的灵活性，以及通过专家乘积实现的内置组合性。