最直接的下一步，是打开LAB06，从窗边杯子的实际文生图与编辑结果开始。先看已经保存的输入、输出和参数；再选一个你真正想改变的变量：同一提示下的随机起点、同一起点下的文字条件、引导强度，或者采样步数。一次只改一个变量，才知道差异从哪里来。

图像编辑把另一个问题放在同一张图里：目标部分改了多少，原本希望保留的内容又变化了多少？img2img的strength决定加噪位置和有效去噪步数；inpainting使用明确的遮罩。看原始模型输出，不把遮罩外像素后贴回去带来的不变性当作模型能力。实际执行范围和失败结果在实验入口如实记录；课堂本身不依赖现场GPU。

如果你关心潜表示怎样提供生成入口，从LAB02的先验、后验与q继续；如果关心监督信息怎样排除错误关系，从LAB03的建筑映射和配对锚点继续；如果关心局部预测如何合成样本，从LAB05的轨迹继续。语言生成由LAB04的小语法进入，再读LLaDA与Dream的真实模型路线。World Model路径则接住状态、记忆、干预和反馈，区分构造例子与原研究证据。

把完整阅读页或具体区块链接和自己的疑问一起交给AI，请它用本页依据解释，再指出下一项可观察对照。链接能够定位不是读取者已经取得正文的保证，仍应检查它引用了哪一段。所有可选实验都是继续学习的入口，不增加课程计分要求。

本讲收束到下一讲的共同问题：无论逐个追加还是多位置恢复，生成都要组织依赖、保留条件并利用上下文。L05将进一步解释序列、共享状态与语言模型怎样完成这些计算。