已验证75% 置信事实精确时间
掩码扩散（Masked Diffusion）将添加噪声操作定义为随机将token替换为[MASK]标记，去噪对应预测被掩码位置的原始token
3
来源数
75%
置信度
长期有效
时效性
2026/7/8
首次发现
来源
谷歌AI密集更新：Gemini 3.5实时翻译、NotebookLM升级与DiffusionGemma解析
twitterGoogleAI2026/6/12
相关事实
待验证DiffusionGemma采用整片并行去噪的生成机制，先铺开256个位置的噪声，然后逐轮迭代，将置信度最高的位置先固定，其余位置重新注入噪声74% 相似待验证扩散骨干网络的输入同时包含潜在图像（latent image）与扩散噪声（diffusion noise）两类信息，噪声实际编码了扩散轨迹信息72% 相似待验证扩散模型的去噪采样过程可被视为一个随机微分方程的解，包含确定性漂移项和随机扩散项。71% 相似待验证随机插值器是一类用于构造生成模型的数学框架，通过随机微分方程路径将噪声分布与目标数据分布连接起来，允许自由选择插值路径的端点与形式68% 相似待验证扩散模型通过模拟从噪声到结构的去噪过程能有效采样配体的多种低能构象，DiffDock采用此核心技术路线68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/240913API
curl https://kongchang.com/api/v1/knowledge/claims/240913MCP
get_claim(id=240913)