待验证50% 置信事实精确时间
文本扩散模型主要通过两条路径解决离散token问题：在连续嵌入空间执行扩散，或定义离散马尔可夫转移矩阵直接在token空间操作
1
来源数
50%
置信度
长期有效
时效性
2026/7/13
首次发现
来源
扩散语言模型崛起：DiffusionGemma实测速度碾压自回归模型
redditr/GoogleGeminiAI2026/7/11
相关事实
已验证扩散模型以 DALL-E 2、Stable Diffusion、Midjourney 为代表，重新定义了图像生成任务69% 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69% 相似待验证当前主流的Stable Diffusion、Midjourney和DALL-E等模型都基于潜在空间原理运作67% 相似待验证离散扩散语言模型主流方案包括：将token映射到连续嵌入空间进行扩散（如Diffusion-LM），或设计离散扩散过程用掩码模拟加噪（如D3PM、MDLM）67% 相似待验证上下文隔离可避免不同任务混杂导致模型输出在多个语义空间漂移，让模型在单一语义域内保持更高一致性67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/497405API
curl https://kongchang.com/api/v1/knowledge/claims/497405MCP
get_claim(id=497405)