待验证50% 置信事实精确时间
扩散模型生成过程在浮点数连续空间中运算，只在最终步骤才量化为整数，因此归纳偏置天然倾向于平滑渐变输出而非硬边界
1
来源数
50%
置信度
长期有效
时效性
2026/7/16
首次发现
来源
相关事实
待验证扩散模型的归纳偏置天然倾向于平滑、渐变的输出，无法在架构层面强制施加网格约束，即便专门训练的LoRA模型也只能在统计意义上让输出更像像素画75% 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70% 相似待验证DALL·E 2和Stable Diffusion均基于扩散模型原理68% 相似已验证扩散模型以 DALL-E 2、Stable Diffusion、Midjourney 为代表，重新定义了图像生成任务68% 相似已验证Stable Diffusion基于潜在扩散模型（Latent Diffusion Model），通过在压缩的潜在空间中进行去噪过程来生成高质量图像68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/527282API
curl https://kongchang.com/api/v1/knowledge/claims/527282MCP
get_claim(id=527282)