待验证50% 置信事实精确时间
Diffusion Language Model（DLM）先初始化整段序列为噪声再通过多步去噪还原文本，可并行处理整条序列并天然支持在固定候选集合上打分
1
来源数
50%
置信度
长期有效
时效性
2026/10/12
首次发现
来源
涉及实体
相关事实
待验证Diffusion-LM的生成流程分三步：用可学习词嵌入将词映射为连续向量、通过扩散模型迭代去噪得到连续隐变量序列、通过Rounding操作将连续向量还原为离散文本79% 相似已验证扩散模型是一类基于马尔可夫链的生成模型，核心思想是通过前向加噪和反向去噪来捕捉数据分布74% 相似待验证离散扩散语言模型主流方案包括：将token映射到连续嵌入空间进行扩散（如Diffusion-LM），或设计离散扩散过程用掩码模拟加噪（如D3PM、MDLM）74% 相似待验证Stable Diffusion 模型由变分自编码器（VAE）、U-Net 架构的噪声预测网络和基于 CLIP 的文本编码器三个关键组件构成72% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1009575API
curl https://kongchang.com/api/v1/knowledge/claims/1009575MCP
get_claim(id=1009575)