待验证50% 置信事实精确时间
该研究采用潜在扩散框架，将线性自编码器与Diffusion Transformer耦合：自编码器把actor网络参数压缩到紧凑的潜在空间，Diffusion Transformer再对该潜在分布建模。
1
来源数
50%
置信度
长期有效
时效性
2026/10/15
首次发现
来源
扩散模型建模人形机器人策略网络权重，生成可部署动作
rss2026/10/14
涉及实体
相关事实
待验证多模态模型将不同模态数据通过各自编码器转换为统一向量表示，再送入同一Transformer架构进行联合推理69% 相似已验证自回归模型每多生成一个token就多获得一次Transformer前向传播的计算机会，用序列长度换取计算深度68% 相似待验证当前文生图主流技术路线包括基于扩散模型的方法和基于自回归Transformer的方法68% 相似待验证Diffu-LoRA 是一种参数高效的扩散模型个性化方法，核心思想是通过门控低秩适配（gated low-rank adaptation）来学习适配能力在不同网络层之间的分配方式68% 相似待验证循环Transformer引入了循环深度（Recurrent Depth）的概念，允许模型在相同的层级结构中多次迭代处理信息67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1038025API
curl https://kongchang.com/api/v1/knowledge/claims/1038025MCP
get_claim(id=1038025)