本文介绍了一种新型概率生成模型OrMachine，专注于布尔矩阵分解和马尔科夫链蒙特卡罗采样，显著提高了推断效率和可解释性。该模型在真实和模拟数据上表现优于现有方法，首次实现了完整的后验推断，适用于大规模数据集分析。同时，研究探讨了影响函数在神经网络中的应用，提出了高效的影响力近似计算方法DataInf，能够快速识别重要的微调示例。

本文介绍了一种基于生成模型和马尔科夫链蒙特卡罗算法的机器人学习方法，旨在从人体活动视频中学习社交效应。研究提出了多种方法，包括内在动机指导的自主学习、视觉契合技术的控制策略学习框架和环境感知的可行性框架，以提高机器人在复杂任务中的表现和数据效率。