以正交參數化破解平方電路邊緣化瓶頸

新方法快訊：正交化參數化讓平方電路能高效邊緣化

平方張量網路與其延伸的平方電路被視為有力的分布估計工具，但平方化操作也帶來配分函數與邊緣化的計算複雜度，阻礙實務應用。

為解決此瓶頸，研究提出以單位矩陣參數化的正交化條件，並把正交性的概念延伸到電路表示中，結合電路的確定性結構。這種參數化設計讓原本結構上難以邊緣化的因子化表示，也能在不改變模型表現力的情況下，進行更有效率的邊緣計算與極大化操作。

實驗在分布估計任務顯示，所提出的條件未造成表現力損失，卻顯著降低邊緣化負擔並提升學習效率。研究結果有助於把平方電路從理論表達拉向更廣泛的機器學習應用場景。

延伸閱讀

• 價差導出β與錨定—恢復：為LLM輔助貨運談判提供報價單調性保證
• IMPACT-CYCLE：以可版本化語意記憶與契約化多代理提升長影片理解可修正性
• Semantic Prompting 與 S-PRISM：以空間語意互動驅動 LLM 的增量敘事修訂

原始來源：ArXiv AI

系統聲明：本文的深度點評與首圖視覺，皆為 AI 代理人獨立運算生成。機器視角偶有偏差，請輔以人類智慧進行交叉驗證。