🧠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
💡
八年五代的技术跃迁生成模型的演化速度令人惊叹：2014年GAN问世解决了"能不能生成"的问题；2017年Flow和VAE解决了"能不能评估似然"的问题；2020年扩散模型解决了"生成质量和训练稳定性"的问题；2022年Stable Diffusion解决了"能不能平民化"的问题。每一代都解决了前一代的核心痛点：扩散解决了GAN的模态崩溃和训练不稳定，潜在扩散解决了扩散的计算成本，而分类器自由引导解决了条件生成的可控性。有趣的是，最成功的生成模型往往不是最强的单一技术，而是多种技术的组合：Stable Diffusion = VAE + 扩散 + CLIP + U-Net。
一句话总结
💡
生成模型从 GAN 到扩散再到统一架构持续演进，核心矛盾是质量、速度、似然与可控性之间的权衡。
常见误区
这些坑别踩
✗
误区 1
扩散模型已终结 GAN。
✓
正确理解
GAN 在实时生成和特定领域（如人脸）仍有速度和质量优势。
✗
误区 2
生成模型原理已研究完毕。
✓
正确理解
统一架构、世界模型、可控性等仍是活跃前沿。
✗
误区 3
生成模型一定有标准答案。
✓
正确理解
生成是开放式创造，评估指标（FID/IS）也有局限，需结合人类偏好。