待验证50% 置信事实精确时间
2020年Jonathan Ho等人发表的DDPM论文奠定了现代扩散模型的基础框架，核心思路是逐步加入噪声再训练神经网络学习去噪的逆过程
1
来源数
50%
置信度
长期有效
时效性
2026/7/13
首次发现
来源
朴素艺术与AI时代：Gina画廊如何定义真实创作
hackernewshackernews2026/7/12
相关事实
待验证Google的Noisy Student Training在2020年前后展示了用教师模型生成伪标签来训练学生模型的有效性58% 相似待验证Knowly 的主动学习功能借鉴了间隔重复（Spaced Repetition）学习科学原理，并将其与 LLM 的上下文理解能力相结合55% 相似待验证斯坦福的ACT和CMU的Diffusion Policy验证了端到端感知-动作学习在灵巧操作任务中的有效性，Diffusion Policy将DDPM引入动作生成54% 相似待验证C51（Categorical DQN）由Bellemare、Dabney和Munos于2017年提出，是分布式强化学习的开山之作54% 相似待验证Andrew Ng在Machine Learning Yearning一书中提出策略'先建立端到端系统，再迭代改进'53% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/502850API
curl https://kongchang.com/api/v1/knowledge/claims/502850MCP
get_claim(id=502850)