Spectra：用于基于模拟推断中测试时先验适配的精确分量传输
Spectra: Exact Component Transport for Test-Time Prior Adaptation in Simulation-Based Inference
精选理由
无需重训或追加模拟，即可让扩散式SBI在测试时适配新先验，提升科学推断效率
AI 摘要
arXiv:2610.08021v1 公告类型：新 摘要：基于模拟的推断（SBI）已成为复杂科学模型中进行贝叶斯推断的一种强大方法，这些模型的似然通常难以计算，甚至无法计算。摊销式 SBI 从模拟数据中学习可复用的推断模型，从而能够针对新的观测结果快速进行后验推断；现代生成模型则使这些模型的表达能力不断增强。然而，这种复用仅限于训练时所选定的先验分布，而随着知识积累或对其他假设进行检验，科学分析往往需要修订先验。我们提出了 Spectra，一种用于基于扩散模型的 SBI 的测试时适配方法。对于结构化的先验变化，Spectra 利用精确的分数传输恒等式，从冻结的扩散模型以闭式形式获得适配后的分数，无需额外的模拟或训练。在六个 SBI 基准测试中，Spectra 在强先验偏移下以较低的在线采样成本实现了准确适配。这使得预训练的 SBI 模型能够在测试时纳入更新后的先验信息。