待验证50% 置信事实精确时间
LCM（Latent Consistency Model）由清华大学团队提出，通过一致性蒸馏将传统需要20-50步的DDIM推理压缩至1-4步
1
来源数
50%
置信度
长期有效
时效性
2026/7/25
首次发现
来源
CivitAI抢先体验争议：开源精神与商业化边界在哪里？
redditr/StableDiffusion2026/7/11
相关事实
待验证一致性模型试图将扩散模型多步去噪过程压缩至1-4步完成，理论上可将推理速度提升10-50倍70% 相似待验证DPM-Solver由Cheng Lu等人于2022年提出，将扩散模型反向ODE重写为半线性结构，采样步数压缩至约10步68% 相似待验证扩散模型的理论基础由 Song Yang 等人在 2020 年通过随机微分方程（SDE）框架统一阐明，概率流 ODE 的发现使确定性采样成为可能，催生了 DDIM 等加速采样方法，将采样步数从 1000 步压缩至 10-50 步67% 相似待验证时序基础模型像LLM一样规模化，也意味着类似LLM的推理成本，企业端能否承受存疑65% 相似待验证将LLM用于处理常规重复性工作、主动提出反常识追问以探索概率分布尾部，是对抗AI均值回归的实践策略65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/613120API
curl https://kongchang.com/api/v1/knowledge/claims/613120MCP
get_claim(id=613120)