前面把自回归与扩散分开讲，是为了看清各自组织生成的方式，并不意味着一个系统只能选一个标签。现在一张图已经有若干已知区域，另一些区域待补。外层先决定本轮生成哪个位置或哪组位置；这一步组织的是依赖关系与生成次序。

对当前黄色位置，内层再回答“给这里什么值”。这个值可以是一段连续视觉表示，由一个小型扩散过程在已知内容的条件下逐步生成。内层结束后，把结果写回原来的位置；它从未知变为已知，下一轮便可以用它作为条件。右侧局部的起点、中间态和终点始终属于同一位置，不是在图中换了三个不同区域。

“内层用了扩散，外层还算自回归吗？” 可以，因为两者负责不同层次。外层利用已经确定的内容，组织尚未确定部分的条件生成；内层表达当前连续变量的条件分布。自回归不必限定成“每次在离散词表里挑一个整数”，也不必总按从左到右的顺序逐个像素推进。

MAR 所属的 Autoregressive Image Generation without Vector Quantization 研究，用 diffusion loss 建模连续 token 的条件分布，并探索生成次序。它让“外层如何分解联合生成”和“每个条件分布怎样表达”成为可以分别选择的部件。课堂用一个区域突出分工，并不规定真实系统每轮只能补一块。

“既然内层很强，外层次序就不重要了吧？” 仍重要。当前块能够利用哪些上下文，由外层的已知集合决定；已经写回的结果也会影响后续。若先前内容出了错，内层面对的就是带偏差的条件。另一方面，内层要调用多少次也会进入总成本，不能只数外层轮数就判断系统快慢。

这把我们带到编辑任务的关键边界：新生成的一块不只要自己像，还要与整张图接得上。下一页继续问：哪里允许改变，哪里必须保持？

同一生成循环，本页改变外层位置 · 内层取值

当前表示 → 模型预测 → 更新规则 → 下一状态 外层位置 · 内层取值