CVaRペナルティ付きWasserstein流による裾野事象向けファインチューニング
arXiv stat.ML ・ 2026-08-12
原題: Fine-Tuning Generative Models for Extreme Events via CVaR-Penalized Wasserstein Gradient Flows
AI による要約
生成モデルで裾の重い分布や極値事象を学習させるため、CVaR（条件付バリュー・アット・リスク）ペナルティを用いた新手法CVaR-GPAが提案された。リプシッツ正則化されたKLダイバージェンスとCVaR項を組み合わせたWasserstein勾配流により、サンプリングが疎な裾野部分でも流速の消失を防ぐ。目標分布の裾の事前知識なしに極値データの生成精度を向上させる。
この要約は当サイトの AI が生成したものです。正確な内容は 元記事（arXiv stat.ML）をご確認ください。