变分自编码器（VAE）是在自编码器基础上引入概率图模型和变分推断的生成式网络，通过最大化数据似然的变分下界（ELBO）学习潜在变量分布参数 维基百科. 相较于将输入映射到固定潜在码，VAE 学习潜在空间的分布参数（均值与方差），并通过重参数化技巧（reparameterization trick）实现可导的随机采样，从而支持端到端的随机梯度优化 简单维基百科. VAE 的损失函数包括重构误差项和 KL 散度项，KL 散度将潜在分布正则化至先验分布（通常为标准正态分布），从而形成平滑且连续的潜在空间，广泛用于图像生成、样本插值与多模态异常检测等生成式任务。