已验证65% 置信事实精确时间
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
3
来源数
65%
置信度
长期有效
时效性
2026/8/6
首次发现
来源
相关事实
待验证扩散语言模型（DLM）通过双向注意力与迭代去噪生成整段文本，控制信息可从序列任意位置介入。79% 相似已验证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Value76% 相似已验证交叉编码器（Cross-Encoder）将查询与每个候选文档拼接后联合输入同一模型，通过注意力机制捕捉词级交互，排序精度优于向量相似度，但延迟随候选集规模线性增长75% 相似待验证扩散语言模型采用并行去噪的思路，可以在一次前向过程中同时优化多个位置的输出，再通过多轮迭代逐步收敛到最终文本73% 相似待验证上下文偏置/热词偏置在解码阶段通过WFST或注意力机制动态提升特定词汇的输出概率，实现方式包括浅层融合和深层偏置71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/697207API
curl https://kongchang.com/api/v1/knowledge/claims/697207MCP
get_claim(id=697207)