待验证50% 置信事实精确时间
扩散后验采样（diffusion posterior sampling）是一类将预训练扩散模型作为先验、在推理阶段结合测量算子的方法。
1
来源数
50%
置信度
长期有效
时效性
2026/10/30
首次发现
来源
涉及实体
相关事实
待验证在扩散模型中，得分函数被用来描述数据分布的对数梯度，并通过去噪得分匹配进行训练。75% 相似已验证数据配比指在预训练数据集中不同类型数据的混合比例，会深刻影响模型的能力分布72% 相似待验证该研究提出了两种迭代式推断算法：推前（Push-forward）通过迭代估计密度比并沿位移场移动样本来修正预训练采样器，无需重新训练；拉回（Pull-back）将数据向基分布拉近，逐层拟合变换模型。71% 相似待验证主流生成模型如扩散模型和流匹配模型本质上是概率生成器，通过从数据分布中采样来生成新样本70% 相似待验证Scheduled Sampling是缓解曝光偏差的折中方案，在训练后期逐渐引入模型自身预测作为输入70% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1114796API
curl https://kongchang.com/api/v1/knowledge/claims/1114796MCP
get_claim(id=1114796)