待验证90% 置信事实时间未知

Mercury 2 将扩散技术（Diffusion）应用到语言生成领域，通过并行去噪过程同步优化多个 Token，而非逐一自回归生成

1

来源数

90%

置信度

长期有效

时效性

2026/5/31

首次发现

来源

Mercury 2：扩散架构如何实现每秒1000 Token的推理速度

bilibiliAI-seeker

涉及实体

Mercury 2model Diffusionconcept

相关事实

待验证掩码扩散框架将加噪重新定义为token掩码替换，使扩散过程在离散文本域得以自洽57% 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55% 相似已验证Whisper的架构采用编码器-解码器结构，编码器将音频的梅尔频谱图转化为高维特征表示，解码器以自回归方式逐词生成文字输出55% 相似待验证Midjourney使用CLIP的文本编码器将提示词转换为条件向量，引导扩散模型的去噪过程53% 相似待验证现代歌声合成方法转向以扩散模型或变分自编码器为骨干的生成架构，早期方法依赖规则驱动的参数合成器如VOCALOID53% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/14034

API

curl https://kongchang.com/api/v1/knowledge/claims/14034

MCP

get_claim(id=14034)