生成对抗网络（Generative Adversarial Networks, GANs）已成为生成高保真内容的强大工具。本文提出了一种新的训练方法，该方法结合神经架构搜索（Neural Architecture Search, NAS）以自动发现适用于图像生成的最优网络结构，并引入最大均值差异（Maximum Mean Discrepancy, MMD）排斥损失用于对抗训练，从而提升生成质量。此外，通过张量分解技术对生成器网络进行压缩，在显著降低计算开销与推理时间的同时，有效保持了其生成性能。实验结果表明，在CIFAR-10和STL-10数据集上，该方法分别实现了FID分数34%和28%的提升，同时相较于文献中报道的最佳FID得分方法，模型体积分别减小了14倍和31倍。相关实现代码已公开，地址为：https://github.com/PrasannaPulakurthi/MMD-AdversarialNAS。