L2B神经上界框架加速MPE推断

2026年10月30日，arXiv人工智能板块刊出Akshay Vyas等作者的报道，提出Learning to Bound（L2B）数据驱动框架，用于加速最大后验（MPE）推断中分支定界搜索的上界计算。该框架用神经网络预测器摊销上界计算成本，并通过统计校准保证可采纳性、用结构约束保证上界随证据累积单调收紧。报道称，在多个高难度基准上，L2B对每一类概率图模型（PGM）都以低数个数量级的成本给出更紧的单调上界；集成到分支定界后，在高树宽实例上带来可测量的提升。目前事件进展限于该框架的提出与基准评测结果，尚无后续跟进报道。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。