待验证50% 置信事实精确时间

扩散模型在生成时会倾向于模式坍缩（mode collapse），即在缺乏具体约束时输出分布集中在训练数据中出现频率最高的视觉模式上

1

来源数

50%

置信度

长期有效

时效性

2026/8/22

首次发现

来源

AI生成视频封面实战：分层提示词告别模板套图

涉及实体

模式坍缩concept 扩散模型concept

相关事实

待验证文生图模型的理解本质上是大规模统计关联，面对训练集中稀少出现的长尾概念时生成质量会显著下滑75% 相似待验证当生成模型反复在自身生成的数据上训练时，输出分布会逐渐退化，低概率事件被系统性遗忘75% 相似已验证GAN存在训练不稳定、容易出现模式崩溃等固有缺陷，促使研究界转向通过逐步去噪的马尔可夫链过程生成图像的扩散模型74% 相似待验证双重下降现象不仅发生在模型规模维度，也可能出现在训练轮次（epochs）和数据量的变化中72% 相似待验证主体漂移本质上是模型在时序一致性建模上的不足，源于扩散模型每帧去噪引入随机性叠加时序注意力对长程依赖捕获能力有限71% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/787601

API

curl https://kongchang.com/api/v1/knowledge/claims/787601

MCP

get_claim(id=787601)