تؤطر إطار نظري جديد أن الحد الأدنى السالب لـ ELBO (Evidence Lower Bound) في نماذج الانتشار المنفصل يساوي تماماً إنتروبيا البيانات زائد تباعد KL للمسار من العملية العكسية للأوراكل، بدلاً من مجرد العمل كحد. تحدد هذه المبرهنة "مسافة الأوراكل" المُحسّن الفريد بأنه التوقع الشرطي لمعدل القفز العكسي الحقيقي معطياً الحالة الضوضائية الحالية.
- تُعرّف تكلفة التدريب غير القابلة للتقليل بأنها المعدل الذي تدمر به العملية الأمامية المعلومات حول البيانات النظيفة.
- بالنسبة للضوضاء المُفَكِّكة بالرمز، يمتلك المُحسّن ثلاث إحداثيات دقيقة: مُزيل الضوضاء، التجويف (إضافة الجسر)، والدرجة، مع تحويلات ذات صيغة مغلقة بينها.
- يستعيد الإطار MDM وUDM وSEDD وGIDD كحالات خاصة ويشرح لماذا تتطابق معاملات مُزيل الضوضاء والتجويف في الانتشار المقنع ولكن ليس في الانتشار المنتظم.
- يثبت أن معلمة مُزيل الضوضاء تسبب تباعد ELBO المنتظم عند التهيئة، بينما يبقى إضافة الجسر محدوداً.
يوفر هذا العمل معايرة دقيقة لتطبيقات ELBO عند التهيئة ويوضح أي قانون أساسي يُحسّن كل دالة خسارة موجودة.