新方法实现可扩展逻辑高斯过程密度回归

Daniel Paulin 等作者提出一种基于逻辑高斯过程的可扩展贝叶斯条件密度估计器，用动能 Langevin 动力学对有限特征模型的隐场采样，替代 Laplace 或变分近似。 在最高含 390 万条训练观测的测光红移基准上，该估计器仅用单块 GPU 训练，在密度与校准指标上可与当前最先进的表格基础模型竞争。

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。