凸域上的广义分数匹配：从最小概率流推导统一权重框架

研究者将凸域上的广义分数匹配推导为最小概率流的小邻域极限，邻域几何决定权重，所有 C² 正定权重均可由此生成，涵盖经典分数匹配及非负数据变体。对指数族，该工作将凸性、一致性和渐近正态性结果推广至任意此类权重，并在特定边界条件下证明估计量收敛到真实参数。在 polytope 上的截断高斯和单纯形上的 Dirichlet 分布实验中，所提估计器在 50 组真值配置中至少 42 组取得最低中位误差。