Generative Model

定义 Definition

“Generative model”指生成模型：一种通过学习数据的分布（或生成过程），能够生成与训练数据相似的新样本的模型。在机器学习中常见于文本、图像、语音等内容生成（例如 GAN、VAE、扩散模型等）。在统计学语境下也可泛指“描述数据如何产生”的概率模型。

发音 Pronunciation

/ˈdʒenərətɪv ˈmɑːdəl/

例句 Examples

A generative model can create new images from noise.
生成模型可以从噪声中生成新的图像。

By learning the joint distribution of data and labels, a generative model can both synthesize realistic samples and support downstream tasks like semi-supervised learning.
通过学习数据与标签的联合分布，生成模型既能合成逼真的样本，也能支持半监督学习等下游任务。

词源 Etymology

“Generative”来自拉丁语 generare（“产生、繁衍”），强调“能够生成、产出”的性质；“model”源自拉丁语 modulus（“尺度、度量的小标准”），引申为“用于描述或仿真的框架/模型”。合起来即“用于生成数据的模型”。

相关词 Related Words

• Generative
• Model
• Discriminative
• Distribution
• Likelihood
• Sampling
• Latent
• Bayesian
• GAN
• VAE

文学与著作中的用例 Literary Works

• Ian Goodfellow et al., Generative Adversarial Nets（2014）：提出 GAN，系统使用并推广“generative model”的核心思想。
• Ian Goodfellow, Yoshua Bengio, Aaron Courville, Deep Learning（2016）：在概率建模与深度生成模型章节中多次讨论生成模型。
• Christopher M. Bishop, Pattern Recognition and Machine Learning（2006）：以概率视角讲解生成式/判别式方法，对“生成模型”概念有经典表述。
• Kevin P. Murphy, Machine Learning: A Probabilistic Perspective（2012）：以概率图模型与密度估计为主线，频繁使用“generative model”术语。