待验证50% 置信事实精确时间
负样本提示最早在 Stable Diffusion 社区中被系统性开发，其技术实现依赖分类器自由引导（Classifier-Free Guidance, CFG）机制
1
来源数
50%
置信度
长期有效
时效性
2026/7/6
首次发现
来源
Taste-Skill：开源AI品味引擎，告别平庸的AI生成内容
githubGitHub Trending2026/7/5
相关事实
待验证在Stable Diffusion等开源模型中，负向提示词是一个独立的输入框，用于告诉模型主动回避某些视觉特征70% 相似待验证Stable Diffusion的核心代码最初由一个小团队完成，LLaMA的开源推动了社区推理优化浪潮66% 相似待验证ControlNet通过零卷积层将预训练的Stable Diffusion与条件分支连接，允许通过额外条件输入精确控制生成结果61% 相似待验证Stable Diffusion支持使用权重语法（如`(keyword:1.5)`）来精确控制某个元素的影响强度，并配合负向提示词（Negative Prompt）排除不想要的元素60% 相似待验证分类器自由引导（CFG）由Jonathan Ho和Tim Salimans于2022年提出，通过训练时随机丢弃文本条件使模型学会有条件和无条件生成60% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/115649API
curl https://kongchang.com/api/v1/knowledge/claims/115649MCP
get_claim(id=115649)