待验证50% 置信事实精确时间
扩散语言模型（DLM）通过双向注意力与迭代去噪生成整段文本，控制信息可从序列任意位置介入。
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
已验证在扩散模型去噪过程中，文本Prompt通过交叉注意力机制（Cross-Attention）引导生成方向，每个关键词在注意力层中竞争权重79% 相似待验证扩散语言模型（dLLM）支持双向注意力和任意顺序生成，不必像GPT那样从左到右逐个输出token77% 相似待验证扩散语言模型采用并行去噪的思路，可以在一次前向过程中同时优化多个位置的输出，再通过多轮迭代逐步收敛到最终文本77% 相似待验证文本编码器负责将自然语言提示词转换为高维嵌入向量供扩散模型的去噪过程使用73% 相似待验证大语言模型通过反向传播算法将文本统计规律编码进参数中，不以传统方式存储原始数据，但高频文本可能产生记忆化现象并近乎逐字输出71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1029498API
curl https://kongchang.com/api/v1/knowledge/claims/1029498MCP
get_claim(id=1029498)