在概率机器学习模型中，使用拉普拉斯分布和高斯分布设计损失函数有什么区别？请说明各自的假设、数学形式及适用场景。

回答思路

1. 明确高斯分布对应L2损失（均方误差），拉普拉斯分布对应L1损失（绝对误差）
2. 解释两者对误差惩罚的不同：L2对大误差惩罚更重，L1对离群点更鲁棒
3. 说明分布假设与最大似然估计的联系
4. 讨论在回归或深度生成模型中的应用场景选择