通俗解释
编码器输出被量化到最近的码本向量，于是连续信号变成一串离散 token，可以像文字一样用 Transformer 建模。它是图像分词器和音频编解码器的基础。
用在哪里：图像/音频 tokenizer、DALL·E 1
时间轴 · 前置 → 当前 → 后继
01原始论文
Neural Discrete Representation Learning
Aaron van den Oord, Oriol Vinyals, Koray Kavukcuoglu · 2017
arXiv ↗ ✓ 已核实 · arXiv API
02知识位置
左边先学；右边是学完它之后可以学的。
左：前置 · 右：后继 · 虚线：相关。看完整关系图 →
03学习资料
官方文档、图解、课程和参考实现，链接都核对过。
04在课程里哪里学
给 AI 读 / 数据说明
- 核实状态：已核实，核对于 2026-10-21。
- JSON: /api/learn/algorithms.json (id:
vq-vae)