待验证50% 置信事实精确时间

归一化流与VAE（需要变分下界近似）和GAN（无法计算似然）形成对比

1

来源数

50%

置信度

长期有效

时效性

2026/10/8

首次发现

来源

Normalizing Trajectory Models：让少步生成重拾精确似然框架

涉及实体

归一化流concept VAEconcept GANconcept

相关事实

待验证RQ-VAE通过多级残差逐步逼近原始向量，第一层量化捕捉粗粒度语义，后续层量化残差捕捉更细粒度特征59% 相似待验证GAN等生成模型本质上是极小极大问题，可以自然地建模为变分不等式59% 相似待验证模式坍缩（Mode Collapse）最早在GAN领域被系统性描述，指生成器陷入只生成少数几种高置信度样本的局面58% 相似待验证GAN训练中存在模式崩溃问题，源于JS散度在两个分布不重叠时退化为常数无法提供有效梯度信号57% 相似待验证Keras 正在系统性地削弱对特定后端（尤其是 TensorFlow）的历史耦合，走向后端无关的统一前端56% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/988311

API

curl https://kongchang.com/api/v1/knowledge/claims/988311

MCP

get_claim(id=988311)