待验证50% 置信事实精确时间
HAD-VLM采用混合自回归-扩散架构，在共享主干中同时保留自回归文本生成和扩散式连续预测两条通路。
1
来源数
50%
置信度
长期有效
时效性
2026/10/26
首次发现
来源
涉及实体
相关事实
待验证HAD-VLM在引入扩散预测后，医学问答性能在评测数据集上得以保留。69% 相似待验证代表性离散扩散工作包括Masked Diffusion Language Model（MDLM）及其后续改进，并用于代码、蛋白质序列等结构化数据生成68% 相似待验证多模态大模型（VLM）通过视觉编码器将patch转为高维向量并结合语言先验补全内容，与传统OCR基于局部决策并在置信度低时报错的行为有本质区别68% 相似待验证HAD-VLM提出坐标-长度一致性后处理机制，用端点坐标算出的距离与预测长度相互校验，并结合集成预测精修。67% 相似待验证基于 VLM（视觉语言模型）的解析在不同运行之间可能产生漂移（运行间漂移），导致同一文件两次输出不一致66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1098314API
curl https://kongchang.com/api/v1/knowledge/claims/1098314MCP
get_claim(id=1098314)