零通量准则：高维离散分布比较新突破，稀疏依赖信号稳定恢复！
Zero Flux: Flow-Based Comparison of High-Dimensional Discrete Distributions
📖 AI 总结
该研究针对高维离散分布比较这一难题提出新方法。由于离散分布的状态空间随维度指数增长且变量间交互复杂，已有基于流匹配的连续分布比较准则无法直接适用。作者将“中点向量场消失当且仅当两分布相同”的原理推广至离散情形，提出“零通量”准则，以局部概率通量衡量分布差异。理论证明，在独立耦合下，所有局部概率通量在中点消失当且仅当两分布一致。该差异度量可将联合分布的整体差异分解为局部贡献，并能从样本中高效估计，作者还给出了有限样本误差界。在合成数据与真实类别数据上的实验表明，该方法能可靠恢复稀疏依赖信号，并在高维场景下稳定追踪分布漂移。
🔑 关键词速览
| 流匹配 | 一种训练连续时间生成模型的方法，通过匹配概率流的速度场来学习分布之间的变换。 |
| 零通量 | 本文提出的离散分布差异度量，基于局部概率通量，当且仅当两个分布相同时所有局部通量在中点消失。 |
| 局部概率通量 | 描述概率质量在状态空间局部区域流动的向量场，用于量化分布之间的局部差异。 |
| 独立耦合 | 一种将两个分布耦合起来的方式，使得联合分布等于边缘分布的乘积，即两个随机变量独立。 |
| 有限样本误差界 | 在给定样本数量下，估计量与真实值之间误差的概率上界，用于保证估计的可靠性。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅