Kingma & Welling（2014）提出了变分自编码器：它训练一个编码器，把数据映射到连续的概率潜在空间，再训练一个解码器将其重建——从而同时实现压缩和新样本生成。其关键贡献在于提供了一种用梯度下降训练此类模型的实用方法（重参数化技巧）。
VAE 影响了后来的生成方法，也是潜在扩散图像生成器等现代系统部分组件的基础。
LLM 架构基础概念
2026 年更新
VAE（变分自编码器）
定义
一种学习概率潜在空间的生成模型，既能压缩数据，又能从中采样生成新样本。
参考文献
本定义所依据的一手文献、同行评审文献和存档资料。
Auto-Encoding Variational Bayes
词典与百科条目
- Wikipedia — Variational autoencoder
- IBM — Think / Topics — What is a variational autoencoder?
引用本条目
MultipleChat.《VAE（变分自编码器）》. MultipleChat AI 与 LLM 术语表，2026. https://multiple.chat/ai-glossary/vae