发表机构
University of Texas at Austin（德克萨斯大学奥斯汀分校）
机构由 AI 辅助整理，请以论文原文为准。AI 中文总结
研究使用不精确分数进行采样时，给出允许以消失总变差偏差采样的不精确得分预言机访问类型刻画，指出比[YW26]次高斯假设更弱误差会排除无偏采样可处理性，加强相关结论。
AI 中文摘要
对于一个标准的、行为良好的目标族，我们给出了允许以消失的总变差偏差进行采样的不精确得分预言机访问类型的简单且紧密的刻画。我们的主要结果表明，任何比[YW26]使用的次高斯假设更弱的误差都排除了无偏采样的可处理性。这加强了[CCSW26]的结论，使其与算法无关，并在更广泛的误差假设范围内成立。
英文摘要
We provide a simple and tight characterization of the types of inexact score oracle access that permit sampling with vanishing total variation bias, for a standard, well-behaved target family. Our main result shows that any weaker error than the sub-Gaussian assumption used by [YW26] rules out the tractability of unbiased sampling. This strengthens the conclusion of [CCSW26] to be algorithm-agnostic, and to hold for a wider range of error assumptions.
Comments5 pages, 1 figure
