每个 GAN 模型都有一个纳什均衡，即生成器创建与训练数据无法区分的完美样本，而判别器仅以 1/2 的概率输出 1。我认为这是理想的结果，因为我们对 GAN 模型的生成器部分最感兴趣。我知道我们可能会尝试通过一些训练技巧来收敛到这种平衡，例如“避免模式崩溃”等。但是是否有任何理论工作试图以其他方式进行（例如，通过某种方式减少纳什均衡的数量？）