Stein Variational Gradient Descent (SVGD)는 비정규화 확률 분포에서 표본을 추출하는 매우 효율적인 방법이지만, 로그-밀도의 기울기에 의존하며 항상 이용 가능하지 않다는 한계가 있습니다. 기존의 기울기 없는 SVGD는 단순한 Monte Carlo 근사 또는 대체 분포의 기울기를 사용하지만, 각각 한계점을 지닙니다. 본 논문은 기울기 없는 Stein 변분 추론을 개선하기 위해 SVGD 단계와 진화 전략(ES) 업데이트를 결합합니다. 실험 결과, 제안된 알고리즘은 기울기 정보 없이 비정규화 표적 밀도에서 고품질 표본을 생성하며, 기존 기울기 없는 SVGD 방법에 비해 여러 어려운 벤치마크 문제에서 성능이 크게 향상됨을 보여줍니다.
