40. 下列哪一項最正確地描述了 VAE(Variational Autoencoder)、GAN (Generative Adversarial Network)與擴散模型(Diffusion Model)在多模態潛在空間對齊(Latent Alignment)與生成策略上 的根本差異？
(A)VAE 透過顯式潛在變數建模實現跨模態對齊，適合捕捉整體語意結構但生成解析度有限；GAN 透過對抗損失(Adversarial Loss)在不 同模態間學習分佈映射，生成品質高但穩定性差；擴散模型則以條件化噪聲反推(Conditional Denoising)方式實現高保真跨模態生成，兼具穩定性與多樣性；
(B)VAE 與 Diffusion Ｍodel 均屬隱式生成架構，主要依賴對抗式訓練實現跨模態對齊；GAN 則以顯式後驗估計方式提升樣本一致性；
(C)VAE 與 GAN 均使用馬爾可夫鏈(Markov Chain)進行跨模態轉換； Diffusion Model 則透過 KL 散度最小化學習語意對應。；
(D)三者在多模態應用中皆依賴同一潛在表徵空間(Shared Latent Space)，僅在解碼器結構不同而已