待验证50% 置信事实精确时间
ControlNet通过将预训练扩散模型的编码器复制一份作为可训练副本，通过零卷积层与原模型连接，在不破坏原模型能力的前提下注入空间条件信息
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/7/2
首次发现
有效期至：2026/9/30
来源
Stable Diffusion本地部署教程：零成本搭建AI绘画环境
bilibiliAIGC高手2026/5/22
相关事实
待验证ControlNet通过零卷积层将预训练的Stable Diffusion与条件分支连接，允许通过额外条件输入精确控制生成结果80% 相似待验证端侧推理采用'数据不动模型动'范式，预训练模型下载到设备本地，推理在设备NPU或GPU上完成，输入数据保留在安全沙箱内73% 相似待验证微调（Fine-tuning）通过反向传播算法在预训练权重基础上继续更新参数，使模型适应特定领域或任务风格71% 相似已验证微调是在通用预训练模型基础上用特定领域数据进行二次训练，使模型能将领域知识内化为参数，推理时无需额外检索步骤，延迟更低70% 相似待验证AI编程工具自研模型常采用大模型生成训练数据加小模型专项微调的策略，Replit的replit-code、Tabnine的本地小模型遵循类似逻辑70% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/52949API
curl https://kongchang.com/api/v1/knowledge/claims/52949MCP
get_claim(id=52949)