Gaussian（高斯分布）是概率论与统计学中描述连续随机变量最核心的分布，因其数学性质优良而在机器学习、信号处理、物理科学等领域无处不在。近期研究在理论最优性与应用创新上同步推进：一方面探索截断高斯分布的高效学习算法，另一方面将高斯分布融入图神经网络结构以提升表示能力。
Gaussian近期进展
当前焦点与观察点
当前Gaussian相关研究聚焦于两大方向：一是理论层面追求截断、混合等复杂高斯模型的最优学习算法；二是应用层面将Gaussian作为灵活的概率工具与深度学习架构（如图网络、变分自编码器）结合。值得观察的是，这些理论进展能否落地到实际数据效率提升，以及Gaussian在结构化概率建模中的边界在哪里。整体而言，Gaussian作为经典分布仍在持续激发新的算法设计。