建模数据自身分布 $p(\boldsymbol x)$（或联合分布 $p(\boldsymbol x,y)$）的模型（定义 4.1.1）。两项能力：① 密度（或其代理）——给定 $\boldsymbol x$ 能给出 $p(\boldsymbol x)$、它的下界、或一个单调相关的相对分数；② 采样——能从 $p(\boldsymbol x)$ 或近似里抽出训练集没出现过的新样本。两项独立：能量模型有密度无便宜采样，GAN 有采样无密度（命题 4.1.1）。（✓ / △ / ×）

① 显式似然：守住刻度（归一化密度或可算下界），放弃采样速度（自回归串行、流要求可逆）；② 隐式：守住比较（判别器给的相对信号），放弃目标稳定性（博弈、模式坍塌）；③ 得分—能量：守住方向（密度梯度），放弃便宜采样（需 MCMC / 迭代积分）（定义 4.1.2）。一句话记忆：显式守刻度、隐式守比较、得分守方向。（✓ / △ / ×）

FID 把真实集与生成集的（固定特征提取器）激活各拟合成多元高斯，度量两个高斯拟合的形状差：均值项惩罚整体位置偏移、协方差项惩罚尺度与相关性不匹配，越低越好。IS 只吃生成集，度量「单样本预测要尖 × 生成集类别覆盖要平」，越高越好（定义 4.1.3）。不能单独作结论的原因：FID 口径依赖样本量 / 特征提取器 / 预处理、不惩罚记忆、与人类偏好只是中等相关；IS 完全不看真实数据，可被「锐利但离谱」的样本抬高。（✓ / △ / ×）

先验 $p(z)=\mathcal N(0,I)$；近似后验（编码器）$q_\phi(z\mid\boldsymbol x)=\mathcal N(\boldsymbol\mu_\phi(\boldsymbol x),\operatorname{diag}(\boldsymbol\sigma_\phi^2(\boldsymbol x)))$，网络输出 $\boldsymbol\mu$ 与 $\log\boldsymbol\sigma^2$ 两组参数；似然（解码器）$p_\theta(\boldsymbol x\mid z)$，连续取高斯、二值取 Bernoulli。目标是最大化 ELBO $=\mathbb E_q[\log p_\theta(\boldsymbol x\mid z)]-\mathrm{KL}(q_\phi\|p(z))$（定义 4.3.1）。（✓ / △ / ×）

把采样写成 $z=\boldsymbol\mu_\phi(\boldsymbol x)+\boldsymbol\sigma_\phi(\boldsymbol x)\odot\boldsymbol\varepsilon$、$\boldsymbol\varepsilon\sim\mathcal N(\boldsymbol 0,I)$（方法 4.3.1）。为什么可导：随机性来自与 $\phi$ 无关的 $\boldsymbol\varepsilon$，$\phi$ 只出现在「平移 + 伸缩」这条确定性路径上，所以「对参数求梯度」可以在给定 $\boldsymbol\varepsilon$ 的那份样本上直接做（路径导数），既无偏又利用了 $\nabla_z f$，方差远小于 REINFORCE（命题 4.3.1）。（✓ / △ / ×）

训练后 $q_\phi(z\mid\boldsymbol x)\approx p(z)$ 对所有输入都成立，即 KL 项被压到接近 0、$z\perp\boldsymbol x$，解码器完全忽略潜码、靠自身容量重建（定义 4.3.2）。判据：KL 逼近 0（如 $d=16$ 时低于 $0.1$）；确认实验是把 $z$ 换成另一个样本的 $z$（或置零），若重建几乎不变即确诊。$\beta\gt1$ 的 β-VAE 与过强的自回归解码器都会加剧坍塌。（✓ / △ / ×）

$D^\star(\boldsymbol x)=\dfrac{p_{\text{data}}(\boldsymbol x)}{p_{\text{data}}(\boldsymbol x)+p_g(\boldsymbol x)}$（逐点最大化 $a\log D+b\log(1-D)$ 得到）。代回得 $V(D^\star,G)=2\,\mathrm{JSD}(p_{\text{data}}\|p_g)-\log4$，于是 $\min_G\max_DV$ 等价于最小化两分布的 JS 散度，全局最优是 $p_g=p_{\text{data}}$、此时 $D^\star\equiv\frac12$、$V^\star=-\log4$（定理 4.4.1）。（✓ / △ / ×）

单步：$q(x_t\mid x_{t-1})=\mathcal N(\sqrt{1-\beta_t}x_{t-1},\beta_tI)$；一步到位：$q(x_t\mid x_0)=\mathcal N(\sqrt{\bar\alpha_t}x_0,(1-\bar\alpha_t)I)$，即 $x_t=\sqrt{\bar\alpha_t}x_0+\sqrt{1-\bar\alpha_t}\varepsilon$（定义 4.5.1、定理 4.5.1）。前向是无参数固定过程（摧毁数据），反向要从纯噪声还原数据，没有闭式可查（真实后验需要 $x_0$，采样时恰好没有），所以必须学 $p_\theta(x_{t-1}\mid x_t)$。（✓ / △ / ×）

$\tilde\varepsilon_\theta(x_t,t,c)=\varepsilon_\theta(x_t,t,\varnothing)+w\bigl(\varepsilon_\theta(x_t,t,c)-\varepsilon_\theta(x_t,t,\varnothing)\bigr)$。训练时以一定概率把 $c$ 置空（如 $10\%$），使同一网络同时会做条件与无条件预测。作用：$w$ 等于在采样步上沿条件方向 $\nabla\log p(c\mid x_t)$ 多走 $(w-1)$ 倍（$w=1$ 回到普通条件采样）。代价：放大条件方向的同时也放大该方向的误差——过大时多样性下降、色彩过饱和、构图僵化；且每步要两次前向（定义 4.5.3）。（✓ / △ / ×）

LDM：先用带感知损失与对抗损失的编码器把图像压到潜空间（典型空间 $8$ 倍、通道 $4$ 或 $16$），再在潜空间上做扩散，采样后一次性解码（定义 4.6.1）。一致性模型：学一个 $f$ 使同一条前向轨迹上任意两点都映到同一个起点（自一致性），从而一步出图（定义 4.6.3）。整流流：在噪声与数据间取直线插值，回归与 $t$ 无关的速度场 $\boldsymbol x_0-\boldsymbol x_1$，再用重流化把轨迹拉直（定义 4.6.4）。FSQ：逐维把实数四舍五入到 $L_i$ 个格子，代码本大小 $K=\prod_iL_i$，无需代码本损失与最近邻搜索（定义 4.7.3）。（✓ / △ / ×）

① 似然是加权期望、观感是逐点判断：对数似然由高密度区（最常见、最平淡的区域）主导，而人看样本时看细节与结构；② 连续密度可以被「偷」：密度可积但不必有界，例 4.1.1 构造的 $q$ 在原点发散使对数似然无界；③ 似然不衡量多样性本身：「覆盖全部模式但都偏糊」与「只覆盖一个模式但极锐利」可以在同一对数似然下打平。工程结论：训练用似然（或其代理），评价同时看感知指标，并对两者的分歧保持警觉。（✓ / △ / ×）

先验 $p(z)=\mathcal N(0,I)$ 定采样起点；ELBO 定优化目标（下界，缺口是后验与近似后验的 KL）；重参数化 $z=\boldsymbol\mu+\boldsymbol\sigma\odot\boldsymbol\varepsilon$ 让采样可导。少先验 → 无法定义从哪采（退化成 AE）；少 ELBO → 没有可训练的目标（重建 + KL 的组合正是它）；少重参数化 → 期望里的采样节点不可导，只能用高方差 REINFORCE，训练慢到不可用。（✓ / △ / ×）

① 支撑不重叠时梯度消失：初始化的随机网络几乎必然使 $p_{\text{data}}$ 与 $p_g$ 的支撑交集测度为零，此时 $\mathrm{JSD}=\log2$ 为常数、对 $G$ 的梯度严格为零；② 非饱和损失只是把病挪位置：$-\log D(G(z))$ 在 $D(G(z))\to0$ 时不消失（早期可用），但 $D(G(z))\to1$ 时梯度也趋于 0、且早期可能过大而震荡；③ 模式坍塌：$G$ 只覆盖部分模态却仍让当前 $D$ 无法分辨，$D$ 也不再在这些模态上提供信号——它是博弈结构的产物而非调参疏漏（命题 4.4.1）。（✓ / △ / ×）

稳：监督信号是我们亲手加进去的那份噪声（已知、无歧义），训练是回归而不是博弈，可复现、无鞍点问题。锐：多步去噪逐步修正，且它的参数化不对多个模式做平均（对比 VAE 的高斯解码器把细节平均成均值）。代价：采样要 $T$ 次网络前向（DDPM 常 $1000$ 步），CFG 时每步还要 2 次前向；且有「训练与采样的噪声调度 / 归一化范围必须一致」这条硬约束（4.5 陷阱框第 2 条）。（✓ / △ / ×）

必须两阶段：编码器与扩散网络不能端到端一起训——否则 KL 会重新变成可优化对象，训练不稳且丧失「潜空间固定」的工程优势（方法 4.6.1 的坑 ②）。收益：注意力算力比 $\approx3f^4/c$，$f=8,c=4$ 时 3072 倍；$512^2\to64^2$ 使单图激活面积下降 $64$ 倍（命题 4.6.1）。代价：编码器的重建误差是整条管线的上限（在小文字、细纹理、医学图像上直接可见），且潜码尺度必须与先验对齐（统计缩放因子 $s$）。（✓ / △ / ×）

因为路径更直：用欧拉法积分 ODE 时单步误差与轨迹曲率成正比——扩散的轨迹在「数据分量 × 噪声分量」平面上是四分之一圆弧（速度方向从噪声方向连续转到数据方向，扫过约 $90^\circ$），而整流流的直线路径 $d\boldsymbol x/dt$ 是常数（对直线，欧拉法与解析解相同）。所以同步数下扩散误差更大（例 4.6.2）。不是模型更强：是路径的方向变化更小；而且重流化并非免费——多模态分布上可能让不同路径合并，损失多样性（例 4.6.2(c)）。（✓ / △ / ×）

能少步的原因：前向加噪对应的概率流 ODE 是确定性的——给定轨迹上的点，起点唯一确定，因此「任意点 → 起点」是一个良定义、可学的映射。两条路线：一致性蒸馏（CD） 用教师模型的轨迹训练，配 EMA 目标网络；一致性训练（CT） 不用教师，直接构造「同一条链上的两点」。风险：CD 的上限受教师限制、且自蒸馏容易坍塌（目标漂移，靠 EMA 稳定）；CT 在高噪声端链的曲率大、更难学（定义 4.6.3）。（✓ / △ / ×）

离散化把生成变成分类：自回归预测一个 $K$ 类分布，下一个 token 可以是 $A$ 也可以是 $B$，概率各半——分类目标天然表达多峰。而回归目标的最优解是条件均值（命题 4.7.1 的一步推导），在多模态目标下会把两个模态平均成一个都不像的中间值。这条差别解释了三件事：VAE 偏糊、纯回归式蒸馏偏糊（4.6.5，所以需要判别器惩罚「糊」）、以及语言模型这条路线在离散 token 上为何如此顺手。（✓ / △ / ×）

inpainting → 局部冻结空间结构（只在部分区域去噪，每步回填已知区域）；ControlNet 类 → 空间结构层（边缘 / 深度 / 姿态逐位置约束，零初始化旁路）；LoRA → 权重风格层（$W=W_0+BA$，改风格 / 概念，$B$ 零初始化）；参考条件 → 语义 / 风格层（另一编码器把参考图变成 token 注入，控制粒度比 ControlNet 粗，不保证构图）。共同前提：新增分支必须从恒等（零初始化）开始，否则随机初始化的分支会立刻破坏预训练模型的行为；这条在本讲出现三次（adaLN-Zero 门、ControlNet 旁路、LoRA 的 $B$）。（✓ / △ / ×）

生成期水印：能回答「是否由某模型生成」（有可计算的检测误差界），不能回答「是谁」，对改写 / 重压缩 / 再生成的鲁棒性有限；指纹 / 隐写：能回答「是哪个账户 / 会话生成的」，前提是标识在攻击后仍可恢复（最脆弱的一环）；内容凭证：能回答「文件自带元数据是否被篡改」（密码学保证），但不能强制任何平台读取，也不能阻止被剥离后重新分发。必须写进产品说明：没有水印不等于真实——水印可被去除也可被伪造，溯源只增加可信证据、不是真实性判定器（4.8.3）。（✓ / △ / ×）

$\mathcal L_{\mathrm{ELBO}}=\mathbb E_{q_\phi(z\mid\boldsymbol x)}[\log p_\theta(\boldsymbol x\mid z)]-\mathrm{KL}(q_\phi(z\mid\boldsymbol x)\|p(z))$；缺口 $\log p_\theta(\boldsymbol x)-\mathcal L_{\mathrm{ELBO}}=\mathrm{KL}(q_\phi(z\mid\boldsymbol x)\|p_\theta(z\mid\boldsymbol x))\ge0$，取等号当且仅当近似后验等于真后验（定理 4.3.1）。（✓ / △ / ×）

$z=\boldsymbol\mu_\phi(\boldsymbol x)+\boldsymbol\sigma_\phi(\boldsymbol x)\odot\boldsymbol\varepsilon$、$\boldsymbol\varepsilon\sim\mathcal N(\boldsymbol 0,I)$；实现写 $z=\boldsymbol\mu+\exp(\frac12\log\boldsymbol\sigma^2)\odot\boldsymbol\varepsilon$。 $\nabla_\phi\mathbb E_{z\sim q_\phi}[f(z)]=\mathbb E_{\boldsymbol\varepsilon}\bigl[\nabla_z f(z)^{\mathrm T}\nabla_\phi(\boldsymbol\mu_\phi+\boldsymbol\sigma_\phi\odot\boldsymbol\varepsilon)\bigr]$（命题 4.3.1）。（✓ / △ / ×）

$\mathrm{KL}\bigl(\mathcal N(\boldsymbol\mu,\operatorname{diag}(\boldsymbol\sigma^2))\,\|\,\mathcal N(0,I)\bigr)=\frac12\sum_{j=1}^{d}\bigl(\mu_j^2+\sigma_j^2-1-\log\sigma_j^2\bigr)$（命题 4.3.2）。读法：$\mu_j^2$ 把均值拉向原点；$\sigma_j^2$ 惩罚方差过大、$-\log\sigma_j^2$ 惩罚方差过小，二者之和在 $\sigma_j^2=1$ 处取最小 $0$——单维可以为负，非负性只对总和成立。（✓ / △ / ×）

$\min_G\max_DV(D,G)=\mathbb E_{\boldsymbol x\sim p_{\text{data}}}[\log D(\boldsymbol x)]+\mathbb E_{z\sim p_z}[\log(1-D(G(z)))]$；$D^\star=\frac{p_{\text{data}}}{p_{\text{data}}+p_g}$；$V(D^\star,G)=2\,\mathrm{JSD}(p_{\text{data}}\|p_g)-\log4$（定义 4.4.1、定理 4.4.1）。生成器实操用非饱和形式 $-\mathbb E_z[\log D(G(z))]$。（✓ / △ / ×）

$W_1(p,q)=\sup_{\lVert f\rVert_L\le1}\bigl(\mathbb E_{p}[f(\boldsymbol x)]-\mathbb E_{q}[f(\boldsymbol y)]\bigr)$（Kantorovich–Rubinstein 对偶）；WGAN 目标 $\min_G\max_{f\in\mathcal F}\mathbb E_{\text{data}}[f(\boldsymbol x)]-\mathbb E_z[f(G(z))]$，$f$ 去 Sigmoid、称 critic。 WGAN-GP：$\mathcal L=\mathbb E_z[f(G(z))]-\mathbb E_{\boldsymbol x}[f(\boldsymbol x)]+\lambda\mathbb E_{\hat{\boldsymbol x}}\bigl[(\lVert\nabla_{\hat{\boldsymbol x}}f(\hat{\boldsymbol x})\rVert_2-1)^2\bigr]$，$\hat{\boldsymbol x}=\epsilon\boldsymbol x+(1-\epsilon)G(z)$、$\lambda$ 常取 $10$（定理 4.4.2）。（✓ / △ / ×）

$x_t=\sqrt{\bar\alpha_t}x_0+\sqrt{1-\bar\alpha_t}\varepsilon$（$\bar\alpha_t=\prod_{s\le t}(1-\beta_s)$，两权重平方和为 $1$）；真实后验 $q(x_{t-1}\mid x_t,x_0)=\mathcal N(\tilde{\boldsymbol\mu}_t,\tilde\beta_tI)$，$\tilde{\boldsymbol\mu}_t=\frac{1}{\sqrt{\alpha_t}}\bigl(x_t-\frac{\beta_t}{\sqrt{1-\bar\alpha_t}}\varepsilon\bigr)$、$\tilde\beta_t=\frac{1-\bar\alpha_{t-1}}{1-\bar\alpha_t}\beta_t$；简化损失 $\mathcal L_{\text{simple}}=\mathbb E_{t,x_0,\varepsilon}\bigl[\lVert\varepsilon-\varepsilon_\theta(x_t,t)\rVert^2\bigr]$（定理 4.5.1、命题 4.5.1、定理 4.5.2）。（✓ / △ / ×）

$\mathcal L_{\mathrm{VLB}}=\sum_tw_t\mathbb E[\lVert\varepsilon-\varepsilon_\theta\rVert^2]+\text{const}$，$w_t=\dfrac{\beta_t^2}{2\sigma_t^2\alpha_t(1-\bar\alpha_t)}$；DDPM 把全部 $w_t$ 置 1（因此 $\mathcal L_{\text{simple}}$ 不再是下界）。 互转：$\hat x_0=\frac{x_t-\sqrt{1-\bar\alpha_t}\hat\varepsilon}{\sqrt{\bar\alpha_t}}$、$\hat\varepsilon=\frac{x_t-\sqrt{\bar\alpha_t}\hat x_0}{\sqrt{1-\bar\alpha_t}}$、$\hat v=\sqrt{\bar\alpha_t}\hat\varepsilon-\sqrt{1-\bar\alpha_t}\hat x_0$——网络输出是同一条件的三种参数化（4.5.3）。（✓ / △ / ×）

DDPM（随机，$T$ 步）：$x_{t-1}=\frac{1}{\sqrt{\alpha_t}}\bigl(x_t-\frac{1-\alpha_t}{\sqrt{1-\bar\alpha_t}}\varepsilon_\theta(x_t,t)\bigr)+\sigma_tz$，$t\gt1$ 时 $z\sim\mathcal N(0,I)$、$t=1$ 时 $z=0$。 DDIM（$\sigma_t=0$，确定性、可跳步）：$x_{t'}=\sqrt{\bar\alpha_{t'}}\hat x_0+\sqrt{1-\bar\alpha_{t'}}\hat\varepsilon$，对任意 $t'\in[0,t]$ 自洽（方法 4.5.1、方法 4.5.2）。（✓ / △ / ×）

$\boldsymbol x_t=(1-t)\boldsymbol x_1+t\boldsymbol x_0$，$\boldsymbol v=\frac{d\boldsymbol x_t}{dt}=\boldsymbol x_0-\boldsymbol x_1$（与 $t$ 无关）；训练 $\mathcal L_{\text{CFM}}=\mathbb E\lVert\boldsymbol v_\theta(\boldsymbol x_t,t)-(\boldsymbol x_0-\boldsymbol x_1)\rVert^2$；采样解 ODE $\frac{d\boldsymbol x}{dt}=\boldsymbol v_\theta$，从 $t=1$ 积分到 $t=0$。重流化：用训好的速度场把噪声—数据重新配对，再训一轮，反复 $1\sim2$ 轮使轨迹变直。 算力比：注意力 $\frac{N_2^2c}{N_1^2\cdot3}=\frac{c}{3f^4}$ → 像素侧是潜空间侧的 $3f^4/c$ 倍（$f=8,c=4$ 时 $3072$）（定义 4.6.4、命题 4.6.1）。（✓ / △ / ×）

$\mathcal L=\lVert\boldsymbol x-\mathcal D(z_q)\rVert_2^2+\lVert\operatorname{sg}[z_e]-e_c\rVert_2^2+\beta\lVert z_e-\operatorname{sg}[e_c]\rVert_2^2$，$z_q=e_c$；STE 写成 z_q = z_e + (e_c - z_e).detach()。 FSQ：$\hat z_i=\operatorname{round}\bigl(\lfloor L_i/2\rfloor\tanh(z_i)\bigr)$，$K=\prod_iL_i$。比特率 $N\log_2K$：$K=512$、$16\times16$ 潜码 → $256\times9=2304$ bit $=288$ 字节/图（定义 4.7.2、定义 4.7.3、例 4.7.1）。（✓ / △ / ×）

错。 似然与采样是两项独立能力（命题 4.1.1）：能量模型有密度无便宜采样、GAN 有采样无密度。而且连续密度可积不必有界，例 4.1.1 的 $q$ 在原点发散使对数似然无界；对数似然又是加权期望，由高密度区主导。正确做法：似然（或代理）与感知指标、覆盖指标、人类盲评分别度量。（✓ / △ / ×）

错——那是重建，不是生成。 从 $q_\phi(z\mid\boldsymbol x)$ 取 $z$ 需要给定 $\boldsymbol x$，输出必然贴着该输入；生成必须从先验 $p(z)=\mathcal N(0,I)$ 采样（4.3 陷阱框第 2 条）。这行代码只差一行，但含义完全不同：前者是「压缩—还原 / 条件编辑」，后者才是「无中生有」。（✓ / △ / ×）

错。 极小极大博弈本身就是鞍点问题，可能震荡、发散或陷入局部平衡；模式坍塌是博弈结构的产物（$D$ 与 $G$ 同时被更新，$D$ 在没见过的模态处永远不会批评它）。正确顺序是结构 → 超参 → 代码（方法 4.4.3）；只在结构（Sigmoid 与损失形式是否匹配、归一化层、输出值域）与超参（学习率比、更新次数比、EMA）都排除后才审代码。（✓ / △ / ×）

错——大概率是模式坍塌。 $0.69\approx\log2$ 恰是「$D$ 输出恒为 $0.5$」时二分类交叉熵的值，意味着 $D$ 对真假完全无法分辨；配合「批内样本几乎相同」，说明 $G$ 只覆盖了能让当前 $D$ 无法分辨的少数模态，二者已达局部平衡（4.4.3）。处理：加批内多样性信号（历史缓冲 / mini-batch discrimination）、降 $D$ 的更新频率或容量、打开 EMA、换 WGAN-GP。判据：同时记录批内两两相似度与类别覆盖，而不是只看 $D$ 的损失。（✓ / △ / ×）

错。 完整 VLB 每一项带权重 $w_t=\frac{\beta_t^2}{2\sigma_t^2\alpha_t(1-\bar\alpha_t)}$；$\mathcal L_{\text{simple}}$ 是把全部 $w_t$ 置 1 后的加权版本——高噪声步被相对放大、低噪声步被相对缩小，样本质量更好但不再是下界。报似然类数字必须用完整 $w_t$ 重算（定理 4.5.2、4.5 陷阱框第 3 条）。（✓ / △ / ×）

错。 DDIM 只改了采样时的路径参数化（非马尔可夫桥梁 + 跳步），所有边际 $q(x_t\mid x_0)$ 完全不变，因此可以直接复用同一个训练好的 $\varepsilon_\theta$——零训练成本换 $20\sim50$ 倍加速。代价：$\sigma_t=0$ 时确定性、多样性略降；步数过少时 $\hat x_0$ 的单次估计误差被放大成可见失真（4.5.4）。（✓ / △ / ×）

错，这是症状最剧烈的一脚。 $\beta_t$、$\bar\alpha_t$ 与像素归一化范围（如 $[-1,1]$）必须训练与采样一致，否则加噪与去噪的统计对不上，采样会直接崩坏（典型表现：输出全灰噪声）——这正是 4.5 陷阱框第 2 条的「采样直接崩坏」。同理，LDM 里潜码的尺度必须与先验匹配（先统计缩放因子 $s$，令 $z\leftarrow sz$ 后再做扩散，采样后除以 $s$）（方法 4.6.1 的坑 ①）。（✓ / △ / ×）

错（这是左右为难的权衡，不是单向优化）。 砍小 $K$ 确实能提高利用率百分比，但代价是每 token 信息量下降（$\log_2K$ 减少），序列要更长才能表达同样信息。正确判据是重构质量与生成质量的联合表现，而不是单独盯利用率。要处理死码字，应调 $\beta$（太大压制编码器表达、太小追不上漂移）、检查编码器尺度，或改用 FSQ 这类不需要代码本学习的方案（4.7.4）。（✓ / △ / ×）

错。 一致性模型与 LCM 论文验证的是 $1\sim4$ 步的可用性，而在复杂条件（长文本、多物体）下少步质量下降明显；且少步路线各自有明确上限与风险：蒸馏路线上限受教师限制、自蒸馏易坍塌（靠 EMA 稳定）；重流化在多模态分布上可能让路径合并、损失多样性（例 4.6.2(c)）。正确说法：先定延迟预算，再在「步数 × 每步成本 × 额外训练」三者的表里选一行（方法 4.6.4），并实测而不是照搬论文。（✓ / △ / ×）

两个方向都错。 生成期水印能被改写、重压缩、再生成削弱甚至去除，也能被伪造到真实内容上；它只能回答「是否由某模型生成」，不回答「是谁」。因此没有水印不等于真实——这是 4.8.3 的反直觉提醒。工程上要做的是三层组合（生成期水印 + 指纹 + 内容凭证）并交付受控攻击下的检测率曲线与假阳性率，同时明确每层「能证明什么、不能证明什么」，把溯源定位成「增加可信证据」而不是真实性判定器。（✓ / △ / ×）