待验证50% 置信概念精确时间
固定点分数匹配的核心创新是将随机插值中的去噪分数恒等式替换为目标分数恒等式，用当前模型生成的样本代替真实目标样本，将期望从目标分布转移到模型分布下计算。
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
待验证固定点分数匹配的迭代循环为：从当前模型生成终端样本存入回放缓冲区，计算这些样本处的能量梯度，然后用标准分数匹配和流匹配损失进行监督学习，更新模型后重复。75% 相似待验证在扩散模型中，得分函数被用来描述数据分布的对数梯度，并通过去噪得分匹配进行训练。71% 相似已验证流匹配的思路是学习一个时间依赖的向量场v_t(x)，使由该向量场驱动的常微分方程能把简单参考分布传输到目标数据分布71% 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70% 相似待验证流匹配模型通过学习从噪声分布到数据分布的连续概率流（ODE轨迹）生成图像，通常训练更稳定、推理步数更少70% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1031267API
curl https://kongchang.com/api/v1/knowledge/claims/1031267MCP
get_claim(id=1031267)