待验证50% 置信权衡取舍精确时间
使用生成模型 rollout 作为数据来源存在分布偏移风险：生成模型自身的物理先验可能带有偏差或简化，使数据无法完全反映真实世界的复杂动态。
1
来源数
50%
置信度
长期有效
时效性
2026/10/13
首次发现
来源
涉及实体
相关事实
待验证传统自回归模型要得到可靠的概率分布通常需要额外处理或近似手段，扩散模型在这一点上有结构性优势74% 相似待验证扩散模型通过全局并行生成和迭代修正，能从根本上规避自回归模型的「曝光偏差」（Exposure Bias）累积错误问题73% 相似待验证主流生成模型如扩散模型和流匹配模型本质上是概率生成器，通过从数据分布中采样来生成新样本73% 相似待验证领域自适应（Domain Adaptation）表明，一个在目标分布数据上充分微调的中等规模模型往往能在该分布测试集上击败未见过此类数据的大型通用模型72% 相似待验证领先模型若被用于生成训练数据，可能将自身偏差系统性地传递给下一代，即'模型坍塌'风险72% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1013384API
curl https://kongchang.com/api/v1/knowledge/claims/1013384MCP
get_claim(id=1013384)