Unificazione di Alberi Decisionali e Modelli di Diffusione tramite Global Trajectory Score Matching

Una recente pubblicazione su arXiv integra gli alberi decisionali con i modelli di diffusione dimostrando un collegamento matematico tra alberi decisionali gerarchici e processi di diffusione nei loro casi limite. Questa integrazione rivela un principio di ottimizzazione comune noto come Global Trajectory Score Matching (GTSM), per il quale una versione idealizzata del gradient boosting risulta asintoticamente ottimale. L'articolo introduce due implementazioni pratiche: TreeFlow, che offre una qualità di generazione competitiva per dati tabulari con maggiore fedeltà e un aumento dell'efficienza computazionale di 2×, e DSMTree, una tecnica di distillazione innovativa che trasferisce la logica decisionale gerarchica nelle reti neurali, raggiungendo prestazioni del teacher entro il 2% su vari benchmark. Questo lavoro rientra in Computer Science > Machine Learning ed è stato presentato il 1° maggio 2025.