待验证50% 置信事实精确时间
在TI2I流匹配任务中，CFG应用于流模型的噪声阶段（早期流步骤）时会削弱模型对编辑指令的跟随能力，而非提升质量。
1
来源数
50%
置信度
长期有效
时效性
2026/10/16
首次发现
来源
重新审视CFG：TI2I流匹配中的隐式陷阱与修正
rss2026/10/15
涉及实体
相关事实
待验证智能重绘（img2img）的核心原理是将原图加入一定程度的噪声后，再由扩散模型逐步去噪还原，而非从纯噪声开始生成68% 相似待验证文本引导的去噪过程本质上是Classifier-Free Guidance（CFG）机制在起作用，模型同时预测有条件和无条件的噪声估计，两者差值被放大后引导生成方向68% 相似已验证扩散模型的核心原理分为前向扩散过程（逐步添加高斯噪声）和反向去噪过程（从噪声中还原图像）两个阶段65% 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64% 相似待验证量化感知训练在前向传播时插入伪量化节点模拟量化噪声，反向传播时因取整操作不可微而使用STE近似梯度63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1046696API
curl https://kongchang.com/api/v1/knowledge/claims/1046696MCP
get_claim(id=1046696)