4.1 生成模型地图：五大家族一张图

本章目标：在钻进扩散模型的数学之前，先拿到全图——生成式建模有哪些家族、各自赌的是什么、谁在什么场景活着。学完标准：能一句话说清五大家族各自的”建模范式”，并解释为什么 2020 年后天平倒向扩散/流。

1. 生成式在解什么问题

1.1 章说过：判别式学 $P(y|x)$，生成式学 $P(x)$ 或 $P(x|c)$（c 是文本等条件）。“学 $P(x)$“落地成两个可考核的能力：采样（生成新样本）和密度评估（给样本打概率，研究用）。所有家族的差异，本质是怎么表示和逼近这个分布。

2. 五大家族速览

家族	建模范式	强项	死穴	现状
自回归 AR	链式法则分解 $P(x)=\prod P(x_t\|x_{<t})$	训练稳定、与 LLM 同构、可无限续写	串行采样慢；图像要离散化（3.4）	统一模型路线的引擎（GPT/Janus/Chameleon）
VAE	潜变量 + 变分下界（ELBO）	快、表征可插值	重建糊（优化下界而非似然）	独立生成已边缘化；活着：SD 的压缩器（4.4）
GAN	隐式分布 + 生成器/判别器对抗	快（一步采样）、锐利	训练不稳、模式坍塌、难评测	生成主体已让位；活在超分/解码器里
Diffusion	迭代去噪：学每一步的”去噪方向”	训练稳、多样性好、可控性强	多步采样慢（被蒸馏缓解）	图像/视频生成的统治者
Flow	学一条把噪声搬运到数据的速度场，ODE 采样	训练最简、路径直、少步采样	理论较新，生态在迁移中	当前最先进（SD3/FLUX）

3. 两条轴看懂全部恩怨

• 显式密度 vs 隐式分布：AR/VAE/Diffusion/Flow 都（以不同方式）和概率挂钩——可算 loss、可做 likelihood；GAN 只有判别器这个”裁判”，没有显式概率——所以 GAN 训练如走钢丝（生成器与判别器的平衡）且难评测（没有标准 loss 曲线可看）；
• 一步 vs 迭代：GAN/VAE 一步出图（快）；AR/Diffusion/Flow 逐步走（慢但稳）。2020–2025 的主线就是”迭代派的稳定性”打败”一步派的锐利”——GAN 时代生成人脸清晰但多样性差、模式坍塌（十张图九张同款）；扩散多样性/保真双高，计算便宜后锐利劣势消失。而现在蒸馏与流模型正在把”迭代”重新变快——历史在螺旋回升。

4. 为什么你要主学扩散/流

1. 产业在用：SD/FLUX/可灵/即梦全是这条线；理解类 VLM 之外的一切”生成”岗位都考它；
2. 科研活跃：可控生成、一致性模型、流匹配理论、统一模型——论文产出密度最高的生成子领域；
3. 数学回报最高：扩散的”去噪即梯度场”思想、流的”直线搬运”思想，学透之后你对”模型在学什么”的直觉会上一个台阶；
4. 与卷3 的接口现成：VAE 活在 SD 的压缩器里（4.4）、VQ 活在统一模型里（3.4/4.8）——五大家族不是五选一，而是当前系统里的不同器官。

5. 自测题

1. GAN 的”隐式分布”是什么意思？带来哪两个工程问题？（没有显式概率密度；训练不稳 + 难评测）
2. 模式坍塌是什么？哪家的死穴？（生成器把多个模态塌到一个安全答案；GAN）
3. VAE 在 2026 年以什么身份活着？（SD/FLUX 的潜空间压缩器——4.4）
4. AR 生成图像的前置条件是什么？（离散 tokenizer，3.4）
5. “迭代派的稳定性打败一步派的锐利，蒸馏又把迭代变快”——概括了哪十年的什么主线？（2020s 生成模型主导权变迁：GAN→扩散→快采样化）
6. Flow 和 Diffusion 最朴素的一句话区别？（学”逐步去噪的概率修正” vs 学”噪声到数据的直线速度场”——4.5 展开）

6. 动手作业

1. 画五大家族地图（横轴：一步↔迭代；纵轴：显式↔隐式），把代表模型标上去；
2. 各下载一张 2018 年 StyleGAN 人脸和一张 2025 年扩散人脸对比，用 8.1 的”明暗五调子/纹理”语言写 200 字差异分析——感受”锐利 vs 多样性”的历史具体含义。

7. 延伸资源

• Lilian Weng 博客《What are Diffusion Models?》——本章到 4.3 的最佳伴读
• 《难以置信的生成模型之旅》类综述视频（B 站搜”生成模型 五大家族”）——快速过图