AI 技术原理，
用统一语言理解模型。

这个书架不把某一个模型当成全部。它从序列表示、概率生成与潜空间建模三条线索出发，说明 Transformer、Diffusion Model 和 Stable Diffusion 如何彼此连接，也为后续的视觉重建与表示学习专题留出位置。

01 / READING PATH

先问模型在解决什么，
再看它如何协作。

不要把 Stable Diffusion 当作孤立的配方。先理解信息怎样被表征，再理解生成如何发生，最后看这些机制如何被组合。上面是推荐的理解顺序，下面才是可独立阅读的专题。

01 / REPRESENT
先问：信息如何被表示？
Transformer 解释 token 如何彼此关联、如何带上位置与上下文，为文本、图像和多模态输入建立共同语言。
02 / GENERATE
再问：样本如何从分布中生成？
Diffusion Model 通过前向加噪与反向恢复连接复杂数据与高斯噪声，进一步引出 score 和速度场的观点。
03 / COMPOSE
最后问：机制怎样组成可用系统？
Stable Diffusion 将文本条件、潜空间表示与去噪网络组合起来，把通用原理落实为可扩展的图像生成系统。

02 / LOOK UP A TOPIC

当你已确定要追问的问题，再进入对应专题。后续主题会在资料与原始出处准备完成后开放。

04VAE 与表示学习压缩、潜变量与可控重建准备中

05图像与视频重建超分辨率、生成先验与时序一致性准备中

ENTRY SOURCES / ORIGINAL PAPERS

目录页只列出进入书架的原始出处。每个专题还会附上与其结论一一对应的论文、官方模型卡或文档。