本研究提出了一种新方法，通过规则定义检测训练数据中的偏见和缺陷，以建立可信的模型基准。该方法适用于小规模数据集，扩展了传统统计测试的应用。

本研究提出了一种基于非参数量子电路生成高斯随机变量的策略，用于取代传统的伪随机数生成器，并将量子随机数生成器纳入扩散的经典模型。同时，提出了 QonFusion，这是一个与 PyTorch 和 PennyLane 兼容的 Python 库，作为经典和量子计算范式之间的桥梁。经过广泛的统计测试验证了 QonFusion，包括确认量子方法生成的高斯样本与经典对应物在定义的显著性限度内的统计等价性。