待验证50% 置信观点精确时间
理解前向是固定马尔可夫链、反向是学习去噪的对偶关系，就能看懂加速采样（如DDIM）、条件生成（如Classifier-Free Guidance）等改进的动机。
1
来源数
50%
置信度
长期有效
时效性
2026/10/26
首次发现
来源
扩散模型零基础入门：避开弯路的学习路线
bilibili迪哥AI讲坛2026/10/23
涉及实体
相关事实
待验证扩散模型在去噪过程中会将负面提示词对应的语义向量作为反向引导信号，这种机制被称为Classifier-Free Guidance的负向条件73% 相似已验证扩散模型通过逐步添加高斯噪声再训练模型学习逆向去噪的马尔可夫链机制，规避了对抗训练的不稳定性71% 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71% 相似待验证自监督学习（如BERT的掩码语言模型或SimCLR对比学习）通过数据本身的结构自动构造监督信号68% 相似待验证反向生成学习一个去噪网络，从纯噪声出发，逐步预测并去除噪声，最终生成清晰样本。68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1101406API
curl https://kongchang.com/api/v1/knowledge/claims/1101406MCP
get_claim(id=1101406)