能量基模型（EBM）是一种重要的概率模型，近年来在机器学习领域和应用领域受到关注。本文介绍了EBM的基础知识和算法进展，并讨论了在语言建模、条件分布建模和联合分布建模等场景下的应用。

CDRL是一种提高样本质量的方法，通过定义能量基模型并学习和采样来实现。在CIFAR-10和ImageNet 32x32上，CDRL方法比现有的EBM方法快2倍且有明显提高。此外，CDRL方法还可用于组合生成和图像修复任务，并实现了样本质量和样本多样性的权衡。