本研究提出了两个新的二元数据原型分析优化框架，克服了现有方法对连续数据的局限，显著提升了模型在合成和真实二元数据上的表现。

该论文介绍了贝叶斯流网络（BFNs），一种新的生成模型，通过贝叶斯推理修改一组独立分布的参数，然后将其作为输入传递给神经网络，输出第二个相互依赖的分布。BFNs 在连续数据、离散化数据和离散数据等方面有效，并在图像建模和字符级语言建模任务中实现了有竞争力的对数似然值。