东京大学提出 EVA 框架：一个线性层让 VAE 重返序列生成一线

东京大学 Kaede Shiohara 提出 EVA（Empirical Variational Autoencoder），一个面向连续值序列、非向量量化的通用生成框架，生成质量可媲美扩散模型。EVA 基于 VAE 的证据下界（ELBO），在因果解码器骨干上增加一个预测下一个先验的线性层，实现自回归先验逼近。这一简单设计显著提升了 VAE 在序列生成任务中的表现，使其重回一线。