待验证50% 置信事实精确时间
掩码扩散语言模型通过迭代地解掩码位置来生成文本。
1
来源数
50%
置信度
长期有效
时效性
2026/11/10
首次发现
来源
涉及实体
相关事实
待验证扩散语言模型通过并行去掩码(parallel unmasking)方式一次性生成结构化的类似程序的计划79% 相似已验证扩散语言模型采用并行去噪的思路,可以在一次前向过程中同时优化多个位置的输出,再通过多轮迭代逐步收敛到最终文本78% 相似待验证OpenWhispr的听写模式会用大语言模型对转录内容做智能润色,例如自动整理成项目符号列表并清理口语冗余表达77% 相似待验证文本编码器负责将自然语言提示词转换为高维嵌入向量供扩散模型的去噪过程使用76% 相似待验证论文《Diffusion-LM Improves Controllable Text Generation》将扩散模型迁移到离散文本上以实现可控生成,被公认为扩散语言模型方向的开山之作76% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1154048API
curl https://kongchang.com/api/v1/knowledge/claims/1154048MCP
get_claim(id=1154048)