نُشتق نموذجًا توليديًا جديدًا من خلال الاستدلال الاحتمالي الغاوسي التكراري. وباعتبار العينة المولدة متغيرًا غير معروف، يمكننا صياغة عملية العينة بلغة الاحتمال البايزي. يستخدم نموذجنا سلسلة من خطوات التنبؤ والتحديث الاحتمالي لتضييق نطاق العينة غير المعروفة تدريجيًا بدءًا من اعتقاد أولي واسع النطاق. وبالإضافة إلى التحليل النظري الدقيق، نُنشئ ارتباطًا بين نموذجنا والنماذج التدفقية (diffusion models)، ونُظهر أن النموذج يشمل الشبكات التدفقية البايزية (Bayesian Flow Networks - BFNs) كحالة خاصة. في تجاربنا، نُظهر أن نموذجنا يُحسّن جودة العينات على ImageNet32 مقارنةً بكل من BFNs والنماذج التدفقية التباينية ذات الصلة، مع تحقيق نتائج مكافئة في دالة الاحتمال اللوغاريتمية على ImageNet32 وCIFAR10. يمكنكم العثور على الكود الخاص بنا على: https://github.com/martenlienen/bsi.