На arXiv доступна The Little Book of Generative AI Foundations: An Intuitive Mathematical Primer — компактное введение в математику современных генеративных моделей. Автор, Tianhua Chen, делает упор не на обзор новейших архитектур и деталей реализации, а на последовательные выводы, которые помогают увидеть связь между разными подходами.
Маршрут книги начинается с PCA и вероятностного PCA, затем переходит к вариационным автоэнкодерам и diffusion models. Дальше рассматриваются normalising flows, авторегрессионные факторизации, GAN, Wasserstein GAN и energy-based models. Такой порядок объединяет классические методы представления данных и более поздние семейства генеративного моделирования в одном изложении. Автор не пытается охватить каждую современную архитектуру: задача книги — дать целостную основу, а не каталог реализаций.
В описании особо подчёркивается сочетание интуиции и математической строгости. Текст ориентирован на derivation-oriented подход, то есть на вывод формул и разбор того, как модели получаются из исходных предположений. При этом математическая часть не убирается ради упрощения: именно она должна помочь читателю понять не только устройство отдельных методов, но и их взаимосвязь.
Книга адресована исследователям, практикам и студентам, которым интересна математическая сторона генеративного ИИ. Её можно рассматривать как базовый учебник перед более специализированной литературой, а не как руководство по запуску конкретного фреймворка или подбору гиперпараметров.
Первая версия появилась на arXiv 28 мая 2026 года, вторая — 8 сентября. В записи публикации доступны PDF и экспериментальная HTML-версия. Размер исходной загрузки вырос со 125 КБ у v1 до 1 168 КБ у v2, хотя само описание не перечисляет изменения между редакциями. Поэтому судить о конкретных добавлениях можно только по полному тексту статьи, а не по аннотации.