每个人都在谈论扩散模型，但如果你真的想理解产生Sora和现代生成视频的系列谱，你需要花时间理解归一化流——这类生成模型使得在深度学习中进行可处理的、精确似然密度估计成为可能。本次回顾配对了两篇基础论文：Rezende和Mohamed的原始《使用归一化流的变分推断》，以及Kobyzev、Prince和Brubaker后来对该领域构造技术和当前方法的全面调查。

该演练涵盖了归一化流如何通过一系列可逆映射将简单基础分布转变为任意复杂的分布、为什么该构造同时为您提供高效采样和精确密度评估、以及有限与无穷小流如何融入近似后验族的分类法。它还追踪了通向当今生成AI的线索：为什么基于流的想法即使在扩散模型占据头条时仍不断在语音合成、图像生成和视频模型中重新出现、以及开放研究问题仍处于何处。如果您认真对待现代生成系统底层的理论，这是您不想跳过的基础的一部分。