翻译中的迷失与发现：神经码本通道的变分诊断

arXiv:2605.18846v1 Announce Type: new 摘要：经典通信系统不仅因随机噪声而失败，当发射机和接收机使用不兼容的操作码本时也会失败。变分自编码器（VAEs）联合训练编码器 $q_\phi$ 和解码器 $p_\theta$，实践者将得到的潜在空间视为离散码——用于聚类、条件生成和机制可解释性。然而，标准VAE诊断——ELBO、活跃单元、互信息和码直方图——仅证明这个码是否被使用，却从未证明解码器是否在编码器的码下读取每个潜在变量。 我们通过神经码本通道 $K_{e\to d}(j\mid i)$ 填补了这一空白，这是一种耦合的编码器-解码器诊断，其非对角线质量受一个无架构依赖的伯努利-KL证书 $d_{\mathrm{bin}}(1-\mathcal{A} \,\|\, \bar\eta_p) \le \bar\Delta$ 约束，该证书由变分差距控制。该证书是经典KL链式法则在分解到编码器-解码器不一致事件时的操作特化，并辅以一个建设性的边缘不可能性结果：没有任何边缘直方图、熵、活跃码计数或互信息的组合能确定 $K_{e\to d}$。 我们在四个sklearn数据集（有限网格精确，5/5种子，20/20对满足界）、一个二维模型（其中该界非平凡，为观测不一致性的 $2.71\times$，且四项恒等式在 $10^{-4}$ 内闭合）、MNIST（在重要性采样控制下）以及一个达到预测极限 $\hat{\mathcal{A}}=1.000$ 的VQ-VAE上验证了该证书。包 $(K_{e\to d}, \mathcal{A}, R_{\mathrm{eff}}, R, \mathrm{AU})$ 是一个可审计的报告单元。更广泛地说，该框架使得不匹配解码——经典通信理论数十年前命名的一种故障模式——在单个深度生成模型内部变得可见。