本文介绍了基于能量的模型(EBM),这是一种生成模型,通过学习将低能量分配给可能的数据配置并将高能量分配给不太可能的配置来工作。与直接学习生成数据的其他生成模型不同,EBM学习为数据点分配能量。文章详细解释了EBM的定义、采样方法以及三种训练方法:对比散度、分数匹配和噪声对比估计。此外,文章还讨论了在训练EBM时遇到的常见问题和实用技巧,并提供了一些进一步阅读的参考资料。