待验证50% 置信事实精确时间
近期一篇论文提出将连续隐空间框架直接耦合到连续扩散语言模型（dLLM）上，用学习到的语言分布替换随机映射，以生成更自然的对抗提示。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/23
首次发现
有效期至：2027/1/21
来源
涉及实体
相关事实
待验证离散扩散语言模型主流方案包括：将token映射到连续嵌入空间进行扩散（如Diffusion-LM），或设计离散扩散过程用掩码模拟加噪（如D3PM、MDLM）74% 相似待验证2022年之后大语言模型的兴起带来了全新的漂移检测范式，如基于embedding空间的分布偏移度量73% 相似待验证Diffusion-LM被公认为扩散语言模型方向的开山之作70% 相似待验证Diffusion Language Model（DLM）先初始化整段序列为噪声再通过多步去噪还原文本，可并行处理整条序列并天然支持在固定候选集合上打分69% 相似待验证当前MLLMs的架构通常将语言编码器与视觉编码器分别训练后再融合，导致模型在深度交叉推理时力不从心68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1088160API
curl https://kongchang.com/api/v1/knowledge/claims/1088160MCP
get_claim(id=1088160)