EVA 框架：VAE 加一层线性层，自回归先验逼近扩散质量

研究者提出 EVA（Empirical Variational Autoencoder），一个面向连续值（非向量量化）序列的通用生成框架。EVA 基于 VAE 的证据下界（ELBO），用额外一个线性层从训练数据中经验地学习自回归潜在先验，取代传统的标准高斯约束，缓解先验与后验的分布差距，实现高保真度祖先采样。在图像与声音合成实验中，它以远快于自回归扩散基线的推理速度取得有竞争力的生成质量。