NeFut Logo NeFut
EN 管理员登录

[AI学术] 揭示可行性与可接受性之间的桥梁:动态图系统中的约束感知流图

发布于:2026-07-25 22:00 最后更新:2026-07-26 07:44
#algorithm #optimization #Graph

摘要

生成模型可以通过生成未来系统轨迹的集合来支持不确定性下的决策,但统计可行性并不确保结构上的可接受性。本研究探讨了后采样符号约束是否能够提高动态图结构系统中生成轨迹建模的可靠性。

一个条件扩散模型从部分观测中生成未来的图状态轨迹,同时一个外部符号层应用硬过滤、软加权或基于投影的修复。该框架在两个受控的合成环境中进行评估:一个紧凑图和一个中等复杂度的依赖图,使用结构有效性、样本效率、多样性、稳健性和校准等指标。

在紧凑环境中,该模型产生的无效概率质量为 0.002996,表明几乎完全可接受的轨迹流。在相同的架构和训练协议下,中等复杂度环境中的无效质量增加到 0.155929。硬过滤去除所有无效保留轨迹,同时保留 84.4% 的生成样本,而软加权保留有效样本大小,但仅带来有限的有效性提升。家庭级分析显示,依赖约束几乎占据了所有观察到的不可接受性。

这些结果表明,统计可行性和结构可接受性是不同的可靠性属性,并且随着图结构复杂性的增加,符号约束处理变得愈加重要。

博主点评: 本研究通过引入符号约束,成功探讨了动态图系统中可行性与可接受性之间的关系,强调了在复杂环境下生成模型的可靠性问题,为未来的研究提供了重要的启示。

原文链接: https://arxiv.org/abs/2607.21421

[h] 返回首页