本文介绍了一种统一的收敛信息传递算法，称为 tree-consistency bound optimization (TCBO), 它可以在变分推理问题的 sum 和 max product forms 中都被证明是收敛的，并且将已有的算法中的极大化和求和进行交换后，可以获得新的收敛算法，特别是当树是单调链时，Wainwright 的非收敛 sum-product 算法实际上是收敛的。
May, 2012
研究了一种计算 Markov 随机场上最大后验概率的最优配置的方法，通过将原始分布分解为树形分布的凸组合来得到上限，提出了两种尝试获得紧密上限的方法，并建立了模式搜索问题 LP 松弛和最大乘积（最小和）消息传递算法之间的联系。
Aug, 2005
该论文研究了在满足凸分解条件的广义二次目标函数下，最小 - 和消息传递算法的收敛性，同时也适用于高斯置信传播算法的收敛性问题。
Mar, 2006
本文针对图像模型的边缘 MAP 问题，提出了一种变分框架，运用 Bethe、tree-reweighted、mean field 逼近等方法得出 mixed message passing algorithm 和使用 CCCP 解决 BP-type 逼近的算法，并在实验中证明了我们的算法优于相关方法。此外，本文还表明 EM 和 variational EM 组成我们框架的一个特殊情况。
Feb, 2012
本文系统研究了局部和 / 或全局最优解的收敛充分条件，提供了基于图覆盖的这些最优解的组合特征，并描述了一种新的收敛合理的消息传递算法，其推导统一了许多已知的收敛消息传递算法。
Feb, 2010
论文介绍了两种高效的基于 BP 算法的算法，保证收敛到凸自由能的全局最小值，提出了一种基于图的结构自动设置凸自由能参数的启发式方法。
Jun, 2012
使用双重消息传递算法对线性规划进行松弛，通过迭代选择具有保证改进的集群，解决集群选择问题，成功地在蛋白质侧链放置、蛋白质设计和立体化问题中找到了最有可能的 MAP 配置。
本文提出了一种基于信息传递的算法，用于解决最优概率配置的问题，即 M-Best MAP 问题，该算法可以通过研究问题的一个部分拉格朗日松弛问题来暴露问题的组合结构。
Oct, 2012
探讨在图中找到最大独立集的最大权重问题中使用信息传递算法的方法，并介绍了经典的 max-product 信念传播算法的性能，以及最大化固定点的自然初始化方法对算法收敛的影响。同时发现，在概率分布的 MAP 估计问题中，可以将任何问题都简化为 MWIS 问题，从而为 MAP 估计提供新的洞见和算法。
Jul, 2008
本论文提出了一种基于 Junction chains 和线性规划的算法来处理图模型中的近似 MAP-MRF 推断问题，并且在计算机视觉领域取得了一定的性能提升。