[LG]《Conditional Diffusion Sampling》F M. Castro-Macías, P Morales-Álvarez, S Syed, D Hernández-Lobato… [University of Cambridge & University of Granada & University of British Columbia] (2026)
在多峰未归一化分布采样中，少量密度评估下跨模态移动是悬而未决的难题。过去方法受困于退火链重叠差或扩散模型需训练，本质原因是桥接路径要么粗糙，要么昂贵。
本文的核心洞见是：把从参考分布到目标分布的桥，重新看作锚定参考点的条件扩散路径。由此，先用PT采近零时刻初态，再用闭式SDE运输，使问题得以解开。
这项工作真正留下的遗产是免训练地结合PT全局探索与扩散局部修正。它为高维多峰采样打开了少评估高质量的新门，但尚未跨过插值路径选择与初始时间调参的门槛。
arxiv.org/abs/2605.04013 机器学习 人工智能 论文 AI创造营
