Article · IA & agents
PosteriorBench : évaluer une distribution, pas seulement une prédiction
Un benchmark teste si les solveurs génératifs d'inversion reproduisent l'incertitude et les modes possibles d'un problème scientifique.
Le piège de la bonne reconstruction
Dans un problème inverse, plusieurs champs peuvent expliquer les mêmes observations. Une sortie proche d'un exemple de référence ne prouve donc pas que le modèle a appris la distribution des solutions. Il peut oublier des modes ou produire une incertitude trop étroite.
Quatre problèmes physiques
PosteriorBench couvre l'inversion d'un écoulement de Darcy, la récupération d'une source de Poisson, le stockage du carbone et l'inférence de matériaux en transport de lumière. Pour chaque cas, les auteurs construisent des postérieurs de référence avec des procédures coûteuses comme l'échantillonnage par rejet et MCMC.
Cinq métriques complémentaires
Le benchmark compare l'erreur de moyenne, l'erreur d'écart-type, la divergence de distribution par maximum mean discrepancy, la distance de Wasserstein tranchée et l'erreur de spectre de puissance radial moyen. L'ensemble couvre précision ponctuelle, dispersion marginale, alignement global et structure spatiale.
Les expériences rapportent des écarts substantiels de correspondance distributionnelle entre les solveurs évalués. Elles indiquent aussi que les opérateurs neuronaux améliorent la robustesse à la résolution, tandis que les poids de guidance et le bruit de génération influencent fortement le calibrage de la variance a posteriori.
Lecture pratique
Pour un agent scientifique, la leçon est simple : demander plusieurs échantillons ne suffit pas. Il faut comparer leur distribution à une référence, vérifier la calibration de l'incertitude selon le niveau de bruit et la résolution, et conserver les réglages qui contrôlent la diversité des échantillons.
Limites et source
Les postérieurs de référence sont eux-mêmes coûteux et construits pour les quatre tâches du benchmark. Ils dépendent du prior, du bruit d’observation, du modèle physique et de la procédure d’échantillonnage retenus. Les écarts observés ne permettent donc pas de classer automatiquement tous les solveurs pour tous les domaines.
Source
Jiachen Yao, Zi-Siang Hsu, Xi Deng, Aditi Gupta, Xin Ju, Sally M. Benson, Gege Wen et Anima Anandkumar, « PosteriorBench: From Point Estimates to Posterior Matching in Evaluating Generative Inverse Solvers », ArXiv 2609.20794v1 : résumé et preprint, PDF.