待验证50% 置信事实精确时间
基于扩散模型和Transformer的序列建模方法也被用于模仿学习，能够处理多模态动作分布。
1
来源数
50%
置信度
长期有效
时效性
2026/11/2
首次发现
来源
涉及实体
相关事实
已验证Transformer通过自注意力机制让模型处理每个token时能动态关注序列中所有其他token，并实现完全并行化训练77% 相似待验证Decision Transformer将离线轨迹数据建模为因果序列生成问题，通过引入回报条件使模型能够在不与环境交互的情况下从静态数据集学习条件策略77% 相似待验证Decision Transformer 于 2021 年提出，将强化学习问题重新表述为序列建模问题，使用 Transformer 架构对（回报、状态、动作）序列进行自回归预测76% 相似待验证当前文生图主流技术路线包括基于扩散模型的方法和基于自回归Transformer的方法74% 相似待验证FLUX、Stable Diffusion 3等新一代模型采用Transformer替代传统卷积网络，提升了对复杂提示词的语义理解能力和图像一致性74% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1127024API
curl https://kongchang.com/api/v1/knowledge/claims/1127024MCP
get_claim(id=1127024)