概念Variational Inference / VI / 均值场变分推断
变分推断
变分推断是贝叶斯近似推断的核心方法，通过将后验推断转化为优化问题，用参数化的近似分布逼近真实后验，以ELBO为优化目标。均值场变分推断假设参数间相互独立，是最常用的近似策略。
时间轴 (近 90 天)
10月18日
在合成微电网轨迹上，基于采样的生成头（轻量级扩散或流匹配头）的校准表现最佳，优于变分推断和蒙特卡洛Dropout/深度集成。
待验证50%
10月12日
该研究提出了一个可扩展的变分推断框架，用于非高斯空间场的推断
待验证50%
10月8日
在宽度M不断增大的贝叶斯神经网络中，ELBO中的KL散度正则项会逐渐压过期望对数似然项，导致变分预测分布退化为先验预测分布
待验证50%
9月12日
反向KL散度是模式寻找的，前向KL散度是均值寻找的
待验证50%