该论文提出了一种新颖的方法，通过转移学习和元学习技术在DGM中生成人工归纳偏差。该方法可提供更高质量的合成数据，相对收益可达50％。适用于各种DGM和机器学习任务，特别适用于数据稀缺常见的领域，如卫生保健和金融。