待验证50% 置信事实精确时间
文本扩散采用掩码扩散（Masked Diffusion）方案，用[MASK]token替代真实token模拟损坏状态，再训练模型恢复原始文本，以块为单位并行输出
1
来源数
50%
置信度
长期有效
时效性
2026/7/20
首次发现
来源
相关事实
已验证Stable Diffusion的文本引导通过CLIP文本编码器将提示词转化为向量70% 相似待验证掩码扩散框架将加噪重新定义为token掩码替换，使扩散过程在离散文本域得以自洽68% 相似待验证研究者提出了掩码扩散（Masked Diffusion）、吸收态扩散（Absorbing Diffusion）等变体以解决文本离散空间的扩散挑战66% 相似待验证主流文生图模型如Stable Diffusion、Midjourney、DALL-E的底层架构通常是扩散模型与CLIP文本编码器的结合64% 相似待验证纯文本模型基于Transformer架构，仅处理token化的文本序列，缺少将像素信息转化为语义表征的编码通路63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/565264API
curl https://kongchang.com/api/v1/knowledge/claims/565264MCP
get_claim(id=565264)