切片采样是 Gibbs 采样的一种特殊情况，其中引入了一个潜在的均匀随机变量，然后将 Gibbs 应用于 rvs 的扩展集——这就是 Jordan在乘积空间中的意思。切片采样也可以在现有的 Gibbs 方案中使用，再次通过增加参数空间（尽管在采样期间不需要存储统一参数）所以我猜另一个线程中的答案是什么意思是没有意义使用 slice-within-Gibbs 扩充现有的 Gibbs 采样器（编辑：除非您首先不能运行现有的 Gibbs，当然）。

值得指出的是，单变量切片采样（例如反射或椭圆）的推广可以比 Gibbs 采样执行得更好，所以我不同意其他回答者关于从不喜欢切片而不是 Gibbs 的说法。

我不同意切片抽样严格来说是吉布斯抽样的一个特例。这几乎是吉布斯采样，但不完全是。查看Neal (2003)第 3 节，其中讨论了从$f(x)$使用辅助变量$y$. Gibbs 采样器将

1. 样本$y$从$p(y | x)$=统一（0，$f(x)$）。
2. 样本$x$从$p(x | y)$=统一（$S$）， 在哪里$S = \{x: y < f(x)\}$.

第 1 步是精确的 Gibbs 步，如果我们知道切片$S$确切地说，第 2 步也可以。然而，我们不知道$S$在实践中，因此切片采样使用逐次逼近$S$代替$S$本身。执行此操作的不同方法包括 Neal 建议的步进切片采样器和加倍切片采样器。但无论如何，第 2 步并不是一个精确的、真正的 Gibbs 步。

我读过切片采样是一般辅助变量方法的一个特例，它依赖于相同的数据增强思想：即引入一个额外的变量，如$y$并类似地使用它来进行采样$x$更轻松。