待验证50% 置信事实精确时间
扩散模型反向过程的核心驱动力是Score函数，即对数密度梯度∇x log p(x)，指向概率密度增大最快的方向
1
来源数
50%
置信度
长期有效
时效性
2026/7/15
首次发现
来源
相关事实
待验证策略梯度定理证明梯度可表示为∇J(θ) = E[∇log π(a|s;θ) · Q^π(s,a)]，使用log-derivative trick将对概率分布的求导转化为对log概率的求导乘以采样值67% 相似待验证后训练的最优解是参考分布的指数倾斜，即最优分布密度正比于参考模型密度乘以奖励的指数：π*(x) ∝ π_ref(x) · exp(r(x)/β)64% 相似待验证扩散模型的数学本质是基于随机微分方程和得分匹配理论，支撑着Stable Diffusion、DALL-E等图像生成系统64% 相似待验证DALL·E 2和Stable Diffusion均基于扩散模型原理64% 相似待验证扩散模型的前向扩散过程可用马尔可夫链描述：q(x_t|x_{t-1}) = N(x_t; √(1-β_t)x_{t-1}, β_tI)63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/523846API
curl https://kongchang.com/api/v1/knowledge/claims/523846MCP
get_claim(id=523846)