模拟问答：不知道的地方为何还有位置？
课堂上下文：从哪个问题来
解码阶段恢复位置，再预测内容；目标从原图来，误差只在隐藏集合比较。
以下为备课用模拟对话，不是实际课堂记录。
学生：“遮住的地方没有像素，为什么解码器还有16项？”
教师：“我们不知道内容，但知道问题要问哪个位置。可见位置放编码表示，隐藏位置放共同的mask占位，再给每项自己的位置线索。占位不是答案，位置告诉模型答案该落在哪儿。”
学生：“既然原图有答案，为什么不直接把它送进去？”
教师：“原图由损失端保存。若把隐藏像素作为输入，模型就可能复制，遮挡任务被取消了。看图时把编码器入口和损失比较端分开。”
学生：“补得像原图，就算学会分类了吗？”
教师：“那说明重建这件事做得更好。下一页再冻住编码器，另用标签做读出；只有测到那份结果，才能说明表示对分类有用。”
未知的是像素内容，已知的是需要预测的原图位置。 查看对应图解状态
- 解码端：所有位置加入 pᵢ；隐藏位置共用一个 mask 向量 M
- h0+p0
- M+p1
- M+p2
- h3+p3
- M+p4
- M+p5
- M+p6
- M+p7
- M+p8
- h9+p9
- M+p10
- M+p11
- M+p12
- M+p13
- h14+p14
- M+p15
- 4 个 h + 12 个 M
- 轻量解码器
- ŷ0
- ŷ1
- ŷ2
- ŷ3
- ŷ4
- ŷ5
- ŷ6
- ŷ7
- ŷ8
- ŷ9
- ŷ10
- ŷ11
- ŷ12
- ŷ13
- ŷ14
- ŷ15
- 各位置的像素预测（符号示意）
- 原图目标 x
- L = (1/12) Σ隐藏块 MSE(ŷᵢ, xᵢ)
- 橙框：12 个计入 loss 的位置
- 预训练后留下编码器；重建用解码器不必进入下游系统。