这篇论文重新分析用于非光滑复合分布采样的 Moreau–Yosida 无调整 Langevin 算法（MYULA）。目标分布的势函数由强凸、光滑的 f 与凸但可能非光滑的 g 组成。核心变化是：离散化误差不再只由全局最坏曲率 d/λ 控制，而是可以用更贴近算法实际更新路径的“参考活跃迹”刻画。

从全局曲率转向参考活跃迹

论文先用 Moreau 包络 g_λ 平滑 g，并定义其 Hessian 迹 a_λ。参考活跃迹 B_ref 是：从平滑目标 π_λ 出发，沿一次 MYULA 更新中的热扩散子步，对 a_λ 取平均。它反映算法经过区域中的平均有效曲率，而不是整个空间的统一上界。

若 M_λ 是 a_λ 的几乎处处上界，则忽略对数因子后，为使 √m·W₂(μ_N,π_λ) 不超过算法误差 ε_alg，迭代数满足

N ≲ (1/m)·[L_f + (τ_f+G²+B_ref)/ε_alg² + M_λ/ε_alg]，

其中 τ_f 是 f 的 Hessian 迹的全局上确界。该结果把 B_ref 与 M_λ 分开：前者进入二次精度项，后者进入一次精度项，为利用局部或结构性曲率留下了空间。

平滑偏差与端到端精度

分析还覆盖从 π_λ 返回原目标 π 的 Moreau 平滑偏差：√m·W₂(π_λ,π) ≤ G²λ/4。因此取 λ 与 ε/G² 同阶，可以同时控制算法离散化误差和平滑误差，得到针对原始非光滑分布的端到端保证。

在没有额外结构信息时，只能使用 B_ref ≤ d/λ 的通用估计。结合上述 λ 选择，最终精度依赖为忽略对数因子的 O(ε⁻³)。这说明新分析并未自动改善所有问题，但明确指出改进最坏界需要控制哪些量。

我的判断

这项工作的价值主要在分析尺度：它把 MYULA 的主导误差从全局最坏曲率改写为更新路径上的平均活跃曲率，更适合描述仅在部分区域或方向上出现非光滑性的目标。不过，B_ref 依赖 π_λ 下的一步热子步平均，未必容易预先估计；M_λ 仍保留在复杂度界中。材料也未提供可核验的实验收益，因此目前更应把它视为获得结构化复杂度界的工具，而非普遍的加速结论。