यह शोधपत्र बिना प्रशिक्षण आँकड़ों के असतत समुच्चयों पर अप्राप्य वितरणों से नमूना लेने की एक विधि प्रस्तुत करता है। जबकि मौजूदा गहन शिक्षण-आधारित दृष्टिकोण मुख्यतः जनरेटिव मॉडलों पर निर्भर करते हैं जो सटीक नमूना संभावनाएँ प्रदान करते हैं, यह शोधपत्र इस सीमा को कम करता है, जिससे प्रसार मॉडल जैसे उच्च-आयामी अव्यक्त चर मॉडलों का उपयोग संभव हो जाता है। व्युत्क्रम कुल्लबैक-लीब्लर विचलन द्वारा परिबद्ध हानि फलन पर आधारित, यह विधि सटीक नमूना संभावनाओं की आवश्यकता को समाप्त कर देती है। यह आँकड़ा-मुक्त संयोजन अनुकूलन समस्याओं पर प्रयोगात्मक रूप से मान्य है और विभिन्न बेंचमार्क समस्याओं पर अत्याधुनिक प्रदर्शन प्राप्त करती है।
