一篇新的研究论文对使用边际匹配来验证因子分解生成模型中风格变量和类别信息之间独立性的常用做法提出了质疑。作者证明，仅匹配边际分布是不够的，因为它允许风格变量仍然高度预测类别标签。他们的研究表明，即使是全局 MMD 接近零的模型，仍然会泄露类别信息，线性探针能够高精度地恢复标签。该论文提出了缓解策略，可以降低探针精度，但不能完全消除类别内的依赖性，突显了仅依赖边际统计数据来认证独立性的局限性。 AI
影响 强调了生成模型评估中一个潜在的缺陷，影响了对其风格和内容独立性的评估方式。
排序理由 学术论文，详细介绍了理论发现和经验验证。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
