🧠AI 冷知识
你知道吗？
这些有趣的 AI 小知识可能让你大吃一惊
💡
五大门派的恩怨录生成模型有五大主要流派：GAN(对抗生成)、VAE(变分自编码器)、Flow(标准化流)、Diffusion(扩散模型)和Autoregressive(自回归)。它们各有优劣：GAN生成质量高但训练不稳定且无法评估似然；VAE能评估似然但生成模糊；Flow精确但架构受限；自回归灵活但生成慢；扩散模型质量最高但采样步骤多。2020年后，扩散模型在图像生成领域一统天下，而自回归模型(GPT系列)在文本生成领域称王——两条路线殊途同归，都在"大力出奇迹"的加持下不断突破质量上限。
一句话总结
💡
生成模型旨在学习数据分布并从中采样生成新样本，分为显式密度（如 VAE/Flow）和隐式密度（如 GAN）两大类。
常见误区
这些坑别踩
✗
误区 1
生成模型就是"复制训练数据"。
✓
正确理解
好的生成模型学习分布规律生成新颖样本，而非简单检索复现。
✗
误区 2
判别模型也能生成数据。
✓
正确理解
判别模型建模 P(Y|X) 用于预测，生成模型建模 P(X) 或 P(X,Y) 才能采样。
✗
误区 3
显式密度一定比隐式好。
✓
正确理解
显式可评估似然但常样本质量稍逊，隐式（如 GAN）样本质量高但难评估，各有取舍。