研究：ELBO 的协方差假设会让 Occam's Razor 失真，低估或高估 SNR

一项贝叶斯线性回归研究证明，变分推断中 ELBO 超参数学习对信噪比（SNR）的估计取决于高斯近似后验的协方差结构：对角或低秩加对角协方差会低估 SNR，低秩协方差则高估 SNR。低估 SNR 会导致训练集均方误差高于最优（欠拟合），高估则误差更低（过拟合）。作者提醒希望扩展到大型模型的贝叶斯实践者警惕为可计算性所做的协方差假设对模型选择的影响。