本文介绍2019年Song与Ermon提出的基于分数的生成建模框架。该方法不直接学习数据分布，而是学习其分数（对数密度梯度），通过分数匹配训练噪声条件分数网络（NCSN），并用退火朗之万动力学从噪声中采样。多级高斯噪声扰动解决了流形假设和低密度区域问题，在CIFAR-10上取得先进结果，为现代扩散模型奠定基础。

本文介绍了使用分数匹配来估计反向时间SDE的时间不均匀漂移的方法。作者提出了扩散SB(DSB)方法，可以灵活地使用较短的时间间隔，并提供了理论分析和实验结果。DSB不仅提供了生成模型，还作为Sinkhorn算法的连续状态空间类似物。