在原始 GAN 文章 ( https://arxiv.org/pdf/1406.2661.pdf ) 的算法 1 中，判别器据说是通过“提升其随机梯度”来更新的。这是指等式1：

$$\min_G \max_D V(D, G)= \mathbb{E}_{x\sim p_{data}(x)}[\log D(x)] + \mathbb{E}_{z\sim p_z(z)}[\log(1 - D(G(z)))]$$

当我们想要最小化某些东西时，我们会进行宏大下降。当我们想要最大化某些东西时，我们会进行梯度上升。在这种情况下，我们希望最大化 $V(D, G)$ 关于鉴别器 $D$， 那就是 $\max_D V(D, G)$ 等式 1 的一部分。

我建议你看看 NIPS 2016 GAN 教程视频和文字。他们很有启发性。