该文综述积分概率度量（IPM）在机器学习中的应用，涵盖特征选择、因果推断、协变量平衡、生成对抗网络及图像感知相似度等方向，并提出Sobolev IPM、MMD变体及核独立性度量等多种基于IPM与信息论的度量方法，在合成与真实数据集上验证了其一致性与优越性能。