待验证75% 置信观点精确时间
扩散模型本质上是对像素分布的学习，缺乏对因果物理过程的建模
1
来源数
75%
置信度
长期有效
时效性
2026/5/29
首次发现
来源
Gemini Omni：理解物理规律的AI视频生成有多强？
twitterGeminiApp2026/5/29
涉及实体
相关事实
待验证扩散模型的归纳偏置天然倾向于平滑、渐变的输出，无法在架构层面强制施加网格约束，即便专门训练的LoRA模型也只能在统计意义上让输出更像像素画77% 相似待验证当前扩散模型对非标品或定制化产品往往进行创意性补全而非精准还原，因为模型学习的是视觉分布而非具体商品的精确外观77% 相似已验证当前主流扩散模型的图像生成是从随机噪声经多步去噪还原的不可逆过程，模型不保留像素与语义元素的显式映射，导致无法进行局部修改只能整张重新生成74% 相似待验证扩散模型在连续像素空间中学习概率分布，而非在离散符号空间中建立语义映射，与GPT系列语言模型的Token化处理路径存在架构分歧73% 相似待验证传统扩散模型在生成文字时频繁出错，根本原因在于训练目标是从噪声中重建图像像素分布，而非理解字符的语义结构72% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/184API
curl https://kongchang.com/api/v1/knowledge/claims/184MCP
get_claim(id=184)