University of California, Berkeley（加州大学伯克利分校）

Quantifying Epistemic Uncertainty in Diffusion Models

量化扩散模型的先验不确定性

Aditi Gupta, Raphael A. Meyer, Yotam Yaniv, Elynn Chen, N. Benjamin Erichson

机构 * Berkeley Lab & ICSI（伯克利实验室与ICS实验室） ； UC Berkeley & ICSI（加州大学伯克利分校与ICS实验室） ； Berkeley Lab（伯克利实验室） ； New York University（纽约大学） 纠错

AI总结 本文提出FLARE方法，通过基于信息量的随机近似技术，有效分离扩散模型的先验不确定性，提升生成数据的可信度评估。

Comments Will appear in the Proceedings of the 29th International Conference on Artificial Intelligence and Statistics (AISTATS) 2026