某手機應用程式提供「舊照片修復」功能，使用者上傳模糊照片後即可產生清晰版本。其模型訓練流程為：先將清晰影像逐步加入隨機雜訊，直到完全變成雜訊影像，再訓練模型學習如何逐步去除雜訊，以還原出清晰影像。請問此功能最主要採用下列哪一種生成式 AI 模型架構？
答案 （D）
核心概念
「先一步步加雜訊、再學著一步步去掉」，這個訓練流程就是擴散模型。
擴散模型（Diffusion Model）分兩段：前向過程把清晰影像慢慢加雜訊直到變成純雜訊，反向過程訓練模型學會每一步怎麼把雜訊去掉。生成或修復的時候，就從雜訊出發一路去噪，還原出清晰影像。題幹講的流程就是這兩段。
本題詳解提到同卷第 40 題。
答題技巧
快速判斷技巧：生成模型辨識看訓練流程的關鍵字。 ・加雜訊、去雜訊 → 擴散模型（Diffusion Model） ・生成器、鑑別器對抗 → 生成對抗網路（GAN） ・編碼到潛在空間再解碼 → 變分自編碼器（VAE）
易錯陷阱：(A) GAN 是最有名的生成模型，看到「生成」就想選它。 關鍵差異：GAN 沒有「加雜訊」這個步驟，題幹一開始就講了加雜訊。 本卷第 40 題考 GAN 的模式崩潰，兩題對照就知道 GAN 的機制是對抗，跟雜訊無關。