VAE（变分自编码器）是什么？
VAE（Variational Autoencoder）是一种将自编码器与概率建模结合的生成模型。它不仅能把复杂数据压缩到低维空间，还能从这个空间中采样生成全新的、合理的样本，广泛应用于图像生成、异常检测和分子设计等场景。
一句话解释
VAE是一个能学习数据潜在规律并“创造”新数据的神经网络模型，它会把输入图片压缩成概率分布，再从这个分布随机采样后解码生成新的图片。
为什么会被关注
传统自编码器虽然能压缩数据，但压缩后的潜在空间是离散的，无法连续变化。VAE通过引入概率分布和重参数化技巧，让潜在空间变得平滑连续，方便插值和生成。
相比GAN这种对抗式生成模型，VAE训练更稳定，不容易出现模式崩塌，且能直接输出生成数据的概率分布，便于下游任务使用。
核心逻辑
VAE的核心是让编码器输出潜在变量的均值和对数方差，并假设潜在变量服从标准正态分布。解码器则从该分布中采样后重构原始数据。
损失函数由两部分组成：重构损失（衡量生成数据与输入数据的差异）和KL散度（衡量潜在分布与标准正态分布的距离）。二者平衡使模型既能准确重构，又让潜在空间有良好结构。
常见场景
图像生成：用VAE生成人脸、动漫头像或纹理图片，即便从随机噪声采样也能得到有意义的视觉效果。
异常检测：利用VAE的重构概率判断输入是否为异常，工业缺陷检测、金融欺诈识别等场景中常被使用。
数据降维可视化：将高维数据（如基因表达谱）压缩到2维潜在空间，便于观察聚类结构和生成过渡样本。
容易混淆的点
VAE与AE（自编码器）的区别：AE压缩成固定向量，VAE压缩成概率分布（均值+方差），因此VAE能生成新数据而AE只能重建。
VAE与GAN的区别：GAN通过对抗训练生成逼真样本，VAE基于概率分布最大化数据似然；VAE生成样本通常较模糊，GAN更锐利，但VAE潜在空间更可解释。
本文内容用于 AI 热词解释和概念整理，仅供学习和理解参考。若涉及表述偏差或内容修正，欢迎联系站点进行更新。
相关热词操作型智能体是能够自主执行具体操作（如点击、输入、文件处理、设备控制）的AI系统，区别于仅对话或生成内容的智能体。它通过理解指令后直接操控软件或硬件，实现任务自动化，常见于RPA、智能家居、自动化测试等场景。
Computer Use 指 AI 模型具备直接操作计算机界面的能力，通过模拟鼠标点击、键盘输入、屏幕阅读等动作完成复杂任务，是 AI Agent 从“聊”到“做”的关键技术突破。
GUI Agent是基于多模态大模型的智能体，能够理解图形界面上的像素、按钮、文本框等元素，并通过模拟点击、键盘输入等方式执行操作任务。它不同于传统RPA需要固定脚本，可以灵活适应界面变化，是实现数字员工的关键技术方向。
UI理解是指人工智能模型通过视觉或代码分析，自动识别和理解用户界面中的按钮、文本框、菜单等元素及功能。这项技术让智能助手能代替用户操作App、自动化测试工具能精准点击、无障碍功能为视障人士朗读界面内容。它是实现“AI操控手机”的关键技术之一。
图表理解是指AI模型能够自动识别、解析各类图表（如柱状图、折线图、饼图等），理解其中的数据、趋势和关系，并生成自然语言描述或回答相关问题。它是多模态AI的重要能力，广泛应用于数据分析、自动报告生成、问答系统等场景。
表格理解是指AI模型自动解析表格结构（表头、行列关系、单元格内容）并理解其语义的过程，是文档智能、问答系统和数据分析的重要基础技术。