待验证50% 置信事实精确时间
文本条件向量通过交叉注意力机制注入到U-Net去噪网络中，图像空间特征作为Query、文本编码作为Key和Value
1
来源数
50%
置信度
长期有效
时效性
2026/8/6
首次发现
来源
相关事实
待验证在扩散模型去噪过程中，文本Prompt通过交叉注意力机制（Cross-Attention）引导生成方向，每个关键词在注意力层中竞争权重76% 相似待验证大语言模型通过注意力机制（Attention Mechanism）对上下文窗口内所有token同时计算相关性权重，而非像人类一样逐步阅读和筛选资料68% 相似待验证全局自注意力的建模复杂度为O(n²)，后续研究发展出RoPE、ALiBi等相对位置编码方案增强长文本处理能力67% 相似待验证在Midjourney等生成工具中，CLIP的文本编码器将用户输入的Prompt转化为高维向量，这些向量在语义空间中的位置决定了生成方向67% 相似待验证文本编码器负责将自然语言提示词转换为高维嵌入向量供扩散模型的去噪过程使用66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/693258API
curl https://kongchang.com/api/v1/knowledge/claims/693258MCP
get_claim(id=693258)