讲座题目：Inference-Time Alignment for Diffusion Models via Variationally Stable Doob’s Matching
主讲人：焦雨领 教授
主持人：於州 教授
开始时间：2026-04-09 11:00
讲座地址：普陀校区理科大楼A1514室
主办单位：统计学院
报告人简介：
焦雨领，武汉大学人工智能学院教授、博士生导师、副院长。主要从事机器学习、反问题与科学计算研究，聚焦深度学习理论、生成式学习与表示学习。入选国家高层次青年人才计划，在包括SIAM系列期刊、Annals of Statistics、Journal of the American Statistical Association 、Journal of Machine Learning Research、IEEE Transactions on Information Theory、ICML、NeurIPS等顶级期刊与会议上发表论文数十篇。兼任中国现场统计学会机器学习分会副理事长等学术职务。
报告内容：
扩散模型的推理时对齐旨在将预训练的扩散模型适配到目标分布，而无需重新训练基础分数网络，从而在保留基础模型生成能力的同时，在推理阶段强制执行所需的属性。实现这种对齐的核心机制是引导（guidance），它通过额外的漂移项修改采样动态。在本工作中，我们引入了Doob匹配（Doob's matching），这是一个基于Doob's h-变换的新型引导估计框架。我们的方法将引导表述为底层Doob's h-函数对数的梯度，并采用梯度惩罚回归来同时估计h-函数及其梯度，从而得到引导的一致估计量。在理论上，我们为估计的引导建立了非渐近收敛速率。此外，我们分析了由此产生的可控扩散过程，并证明了生成分布在2-Wasserstein距离下的非渐近收敛保证。
