1.
GAN（生成的敵対ネットワーク）が生成したデータの品質を向上させるために導入される「WGAN（Wasserstein GAN）」の主な特徴として最も適切なものはどれか。
2.
生成モデルの系譜の中で「変分オートエンコーダ（VAE）」が重視する主な概念として正しいものはどれか。
3.
生成モデルが「トレーニングデータの分布を忠実に再現」する場合に発生し得る問題として最も適切なものはどれか。
4.
生成モデルが「モンテカルロ法」と関連する理由として最も適切なものはどれか。
5.
トランスフォーマーベースの生成モデルがGANやVAEと異なる主な点として正しいものはどれか。
6.
変分オートエンコーダ（VAE）の潜在空間において、データの分布が学習される過程で「KLダイバージェンス」が果たす役割として適切なものはどれか。
7.
生成モデルが「データの補完」に活用される例として適切なものはどれか。
8.
生成モデルの系譜において「トランスフォーマーベースのモデル」が注目される理由として正しいものはどれか。
9.
生成モデルの中で「フリシェーインセプション距離（FID）」が使用される主な目的として正しいものはどれか。
10.
生成モデルの中で「生成的敵対ネットワーク（GAN）」が導入した革新的なアイデアとして正しいものはどれか。
11.
生成モデルにおける「自己教師あり学習」が重要視される理由として正しいものはどれか。
12.
生成モデルにおいて「潜在空間」の役割として正しいものはどれか。
13.
生成モデルの系譜における「自己回帰型モデル」の特徴として正しいものはどれか。
14.
生成モデルの系譜において「フロー型モデル（Normalizing Flows）」が採用する主要な手法として正しいものはどれか。
15.
自己回帰型生成モデル（例：PixelRNN）が画像生成タスクにおいて直面する主な課題として正しいものはどれか。
