待验证50% 置信事实精确时间
RECON的核心思路是在训练时将预训练视觉编码器输出的token作为条件信号直接送入扩散模型的后层。
1
来源数
50%
置信度
长期有效
时效性
2026/10/15
首次发现
来源
RECON：让扩散Transformer训练提速63倍的表示条件化方法
rss2026/10/14
涉及实体
相关事实
待验证ReRoute的操作逻辑是：将预训练骨干模型中被查询的输入固定为参考值，通过已知的机制性通路重新引入该输入的变化，并在原始事实数据上进行微调72% 相似待验证RECON在推理阶段复用MLP头作为代理的设计引入了代理保真度这一新的误差来源，同时在条件生成、可控生成等场景中具有通用参考价值。68% 相似待验证大模型能在逆向环节表现出色，根本原因在于预训练对海量人类编写代码进行统计建模，具备识别代码模式而非仅字面的能力67% 相似待验证ReAct的核心思想是让LLM在生成行动之前先进行显式推理，并将执行结果作为观察反馈回模型形成闭环67% 相似待验证后门攻击在训练数据中植入触发器，使模型在正常输入下表现正常，遇到特定触发词时产生预设的恶意输出66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1037870API
curl https://kongchang.com/api/v1/knowledge/claims/1037870MCP
get_claim(id=1037870)