该文研究了利用深度神经网络来近似评分函数的效率，并通过变分推断去噪算法在图模型中得到较好的近似。同时，结合离散化误差界限为基于扩散的生成建模提供了有效的样本复杂度界限。
研究了深度神经网络在近似评分函数中的效率。
评分函数可以通过变分推断去噪算法在图模型中得到较好的近似。
变分推断去噪算法适用于高效的神经网络表示。
结合离散化误差界限，为基于扩散的生成建模提供有效的样本复杂度界限。
完成下面两步后，将自动完成登录并继续当前操作。
