概念score function / 分数函数

得分函数

数据分布对数密度关于样本的梯度，即∇_x log p(x)，是基于得分的生成模型（如扩散模型）的核心概念，由Hyvärinen（2005）在得分匹配框架中系统引入，指向数据密度上升最快的方向

时间轴 (近 90 天)

10月13日

Stein恒等式表明，对于在边界上足够快衰减的函数φ，当概率密度p(x)在R^d上足够光滑时，有E_p[∇_x log p(x)·φ(x) + ∇_x·φ(x)] = 0。

待验证50%

10月8日

得分函数 ∇_x log p(x) 由 Hyvärinen 于 2005 年在得分匹配框架中系统引入

待验证50%

Stein恒等式表明，对于在边界上足够快衰减的函数φ，当概率密度p(x)在R^d上足够光滑时，有E_p[∇_x log p(x)·φ(x) + ∇_x·φ(x)] = 0。

得分函数 ∇_x log p(x) 由 Hyvärinen 于 2005 年在得分匹配框架中系统引入