待验证50% 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
1
来源数
50%
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68% 相似已验证扩散模型通过在海量图像数据上训练，学会了从随机噪声中逐步去噪生成图像的能力67% 相似待验证智能重绘（img2img）的核心原理是将原图加入一定程度的噪声后，再由扩散模型逐步去噪还原，而非从纯噪声开始生成67% 相似已验证扩散模型在推理阶段从随机高斯噪声出发，经数十至数百步迭代去噪得到输出，即便固定随机种子，提示词的细微差异也会导致人脸特征、服装细节的显著偏移66% 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)