边缘化模型（MaMs）是一种新型高维离散数据生成模型，通过建模边际分布，提供灵活的生成方法，具备可计算的似然度，能够快速评估边际概率，适用于特定概率的能量训练任务，并在多种离散数据分布上表现优异。

该文提出了领域泛化问题的形式框架，通过扩充特征空间来增加特征向量的边际分布，以在未知的未标记数据集上获得精确的预测。针对核方法，提供了更多的定量结果和通用一致的算法，并在合成和真实世界的数据集上进行了实验比较。