待验证50% 置信概念精确时间
无分类器引导（CFG）最初来自扩散生成模型，做法是在采样时同时计算有条件与无条件预测，再用一个权重 w 放大两者之差，公式为 ε = ε_uncond + w·(ε_cond − ε_uncond)。
1
来源数
50%
置信度
长期有效
时效性
2026/10/14
首次发现
来源
涉及实体
相关事实
待验证CFG推理时分别进行有条件预测和无条件预测，通过公式output = uncond + guidance_scale × (cond - uncond)进行插值放大，代价是每步需要两次前向传播76% 相似待验证CFG 是扩散模型中的核心超参数，原理来自2022年的研究成果，通过加权混合有条件与无条件去噪路径的预测结果来增强对文本描述的响应72% 相似待验证CFG（无分类器引导）在每步去噪时需同时运行有条件和无条件两次前向传播，开启后每步推理计算量翻倍70% 相似待验证分类器自由引导（CFG）由Jonathan Ho和Tim Salimans于2022年提出，通过训练时随机丢弃文本条件使模型学会有条件和无条件生成65% 相似已验证推测解码是一种不改变模型输出分布的无损加速技术，使用参数量远小于目标模型的草稿模型生成候选token，再让目标模型并行验证63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1024131API
curl https://kongchang.com/api/v1/knowledge/claims/1024131MCP
get_claim(id=1024131)