本研究提出了一个统一框架，解决了连续生成模型的训练与采样方法的统一性问题，并在ImageNet数据集上显著提升了FID值，验证了其有效性。

本研究提出MixDec采样方法，有效解决了图神经网络推荐系统中负采样导致的结构信息损失和稀少节点样本不足的问题，显著提升了推荐性能。

本研究将离散子集采样方法应用于图基视觉问答系统，以提升可解释性子图的生成效果。结果表明，该方法有效缓解了可解释性与回答准确性之间的性能权衡，并与人类评价高度一致。

本研究提出了一种新颖的采样方法，旨在解决传统CFD求解器在湍流模拟中的高计算成本和准确性问题，验证了基于RANS-PINN框架的有效性。

论文介绍了infoVerse框架，它通过模型驱动的元信息来表征数据集，创建新的特征空间，揭示数据集的多维特征，帮助用户聚焦关键样本。提出的采样方法在数据修剪、主动学习和数据注释中表现出色。

本文研究了基于梯度流的采样方法的设计要素，包括能量函数、度量和梯度流的数值近似。通过展示Kullback-Leibler散度的独特性质，研究了度量的选择。提出了基于高斯近似的梯度流方法，并与参数变分推断衍生的梯度方法建立了联系。研究了它们的收敛性。

本文研究了基于梯度流的采样方法的设计要素，包括能量函数、度量和梯度流的数值近似。通过展示Kullback-Leibler散度的独特性质，研究了度量的选择，并构建了各种仿射不变的梯度流。提出了基于高斯近似的梯度流方法，并研究了其收敛性。

本文提出了一种在大数据集上提高算法计算效率的采样方法，并评估了算法杠杆的统计性能。结果表明杠杆采样在最坏情况下能提供更好的结果。同时，本文还提出了两种新的杠杆算法，并在合成和真实数据集上进行了实证评估。

本文研究了基于梯度流的采样方法的设计要素，包括能量函数、度量和梯度流的数值近似。通过展示Kullback-Leibler散度的独特性质，研究了度量的选择，并构建了各种仿射不变的梯度流。提出了基于高斯近似的梯度流方法，并研究了其收敛性。

本文研究了数字墨水生成模型的多种采样和排名方法，并提出了一种在预算内最大化输出质量的方法。实验证明该方法可以显著提高合成墨水的识别率，并减少字符误差率。同时，本文还介绍了一种选择最佳采样和排名方法组合的方法。

本文研究了基于梯度流的采样方法的设计要素，包括能量函数、度量和梯度流的数值近似。研究表明，Kullback-Leibler散度作为能量函数具有独特性质，度量的选择从不变性的角度出发，构建了各种仿射不变的Wasserstein和Stein梯度流。提出了基于高斯近似的梯度流方法，并与参数变分推断衍生的梯度方法建立了联系，研究了它们的收敛性。

本文介绍了基于机器学习的采样方法在科学领域中的应用，特别是在量子色动力学理论中的进展。该方法能够从粒子物理学的最基本理解中计算物质的结构和相互作用，是开放科学超级计算的主要消费者。

本文介绍了一种名为CartoonDiff的无需训练的采样方法，用于生成图像卡通化效果。该方法基于扩散Transformer模型，将逆向过程分解为语义生成和细节生成阶段，并在去噪步骤中对噪声图像的高频信号进行归一化。实验结果表明CartoonDiff具有强大的能力，不需要参考图像、复杂的模型设计或参数调整。

本文研究了对给定的图形文档进行多样排版风格生成的任务，并建立了自回归模型以生成与输入设计背景相匹配的多样排版风格。同时，提出了一种简单而有效的采样方法，使生成样本在文本元素之间共享一致的排版风格。实证研究表明，该模型成功生成了多样的排版设计，并保持了一致的排版结构。