每個人都在談論擴散，但如果您真的想理解產生Sora和現代生成視頻的家族樹，您需要花些時間研究歸一化流——這一類使深度學習中的精確似然密度估計成為可行的生成模型。此評論配對了兩篇基礎論文：Rezende和Mohamed的原始《歸一化流的變分推理》，以及Kobyzev、Prince和Brubaker後來對該領域構造技術和當前方法的全面調查。

演練涵蓋了歸一化流如何通過一系列可逆映射將簡單的基礎分佈轉變為任意複雜的分佈，為什麼該構造一次性為您提供高效採樣和精確密度評估，以及有限流與無窮小流如何適應近似後驗族的分類法。它還追蹤了當前生成AI的軌跡：為什麼基於流的想法即使在擴散成為新聞焦點時也持續在語音合成、圖像生成和視頻模型中重新出現，以及開放研究問題仍然存在的地方。如果您認真對待現代生成系統背後的理論，這是您不想跳過的基礎部分。