待验证50% 置信事实精确时间
LDA（潜在狄利克雷分配）算法将文档视为多主题概率混合，而BERTopic基于BERT语义嵌入向量结合UMAP降维与HDBSCAN聚类
1
来源数
50%
置信度
长期有效
时效性
2026/7/13
首次发现
来源
Claude新功能Reflect：可视化数据背后的AI依赖养成逻辑
rss2026/7/9
相关事实
待验证潜在扩散模型（LDM）是Stable Diffusion采用的架构，原始图像由VAE编码为约原始尺寸1/8大小的潜在向量63% 相似待验证扩散模型的理论基础由 Song Yang 等人在 2020 年通过随机微分方程（SDE）框架统一阐明，概率流 ODE 的发现使确定性采样成为可能，催生了 DDIM 等加速采样方法，将采样步数从 1000 步压缩至 10-50 步60% 相似待验证扩散模型的核心数学逻辑基于随机微分方程（SDE）和去噪得分匹配（Denoising Score Matching），通过U-Net或DiT等网络结构经过数十至数百步迭代采样生成图像59% 相似待验证Fisher使用Iris数据来演示线性判别分析（LDA）方法59% 相似待验证SDD的核心三要素为前置条件、后置条件和不变量，规范文档成为约束LLM输出行为的对齐文档59% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/501751API
curl https://kongchang.com/api/v1/knowledge/claims/501751MCP
get_claim(id=501751)