解码器只在训练所覆盖的表示区域学过怎样生成，任意填入一串数字并不保证有用。VAE一方面让输入的差异通过编码—解码保留下来，另一方面用先验约束把编码产生的表示与采样时的来源接近起来。两个目标一起优化，才能让“复原已有图”和“从随机起点造图”共用这个入口。 上排给出不同椅图及其重建。这里要逐一问：各自的形状、材质和朝向是否保留下来？下排则从新的随机起点出发，问解码后能否得到可用样本。这两项都重要，却不能用其中一项代替另一项。

如果只追求重建，编码器可以把每张椅子放进一处很特殊的位置，解码器记住这些位置；随机生成时却未必抽得到它们。反过来，如果不同输入都被挤进同一处，解码器可能每次都给出一把完整椅子，却丢掉了原输入之间的区别。稳定出图只完成了部分要求。

VAE 用两个相互牵制的目标组织训练：让潜变量帮助解释当前输入，同时让编码得到的分布与生成时采用的简单先验保持联系。不是要求每张椅子都对应同一组数，而是让保存差异的编码与可采样的共同空间相协调。取舍过强或过弱，都可能影响实际表现。

“编码器究竟给一个点，还是给一个分布？” 在常见的高斯 VAE 中，它为当前输入给出一片可能区域，例如区域中心和宽度。训练从这片区域取样，让解码器解释输入；生成时则从共同先验取样。两条路径的起点来源必须分开。

随机取样怎样还能学习？可以先从固定标准来源抽一个随机数，再用编码器给出的中心和宽度去平移、缩放它。随机数负责这一次取到了哪里，可学习变换负责整片区域放在哪里、张得多宽。这样的重参数化让重建反馈能沿变换传回编码器；它没有消除随机性，而是把随机来源与可学习部分分开。

只建立本页直觉可到此；下面是选读的数学核对。

更深入的数学会用 ELBO 和 KL 散度描述这些关系。注意两种 KL 的对象不同：训练中的近似后验与先验之差，联系编码和生成入口；ELBO 与对数似然之间的缺口，则涉及近似后验与真实后验之差。它们不能仅凭都叫 KL 就互相替代，实验中的可解高斯例子可以逐项核对。

回到画面，两项检查仍然最直接：不同输入的信息留下了吗，新起点是否可用？若某种评分为了兼顾两种答案而偏爱平均，平均出的图又是不是一个完整样本？下一页把这个问题单独拿出来。