优化分层变分自编码器中的隐变量维度分配：平衡衰减与信息保留以实现分布外检测

分布外（OOD）检测是机器学习中的关键任务，尤其对于需要可靠标记意外输入的安全关键应用而言。虽然分层变分自编码器（HVAE）相比传统 VAE 提供了更强的表征能力，但其性能对隐变量维度在各层之间的分配方式高度敏感。现有方法往往任意分配隐变量容量，导致表征无效或出现后验坍缩。在本工作中，我们引入了一个具有理论基础的框架，用于优化 HVAE 中的隐变量维度分配，借鉴信息论原理来形式化信息损失与表征衰减之间的权衡。我们在固定隐变量预算下证明了最优分配比例 $r^{*}$ 的存在，并通过实验表明调节该比例能在不同数据集和架构上一致地提升 OOD 检测性能。我们的方法优于基准 HVAE 配置，并为合理的隐变量结构设计提供了实用指导，从而实现基于深度生成模型的更鲁棒的 OOD 检测。