待验证50% 置信事实精确时间
DiffusionGemma依赖双向注意力，让前后位置互相照应，这是其生成质量不输自回归的核心机制
1
来源数
50%
置信度
长期有效
时效性
2026/8/27
首次发现
来源
涉及实体
相关事实
已验证Transformer的自注意力机制允许模型直接计算序列中任意两个位置之间的依赖关系，突破了RNN/LSTM因顺序计算导致的并行化瓶颈65% 相似待验证DiffusionGemma采用整片并行去噪的生成机制，先铺开256个位置的噪声，然后逐轮迭代，将置信度最高的位置先固定，其余位置重新注入噪声65% 相似待验证主流图像/视频生成模型如Stable Diffusion、Midjourney、Sora缺乏持久化记忆机制，每次生成依赖当前提示词和随机噪声种子，不内置跨次调用的状态保持能力64% 相似待验证在Stable Diffusion等开源模型中，负向提示词是一个独立的输入框，用于告诉模型主动回避某些视觉特征63% 相似待验证LLM的自回归生成机制使初始的微小浮点差异通过注意力机制的非线性变换逐步累积，产生雪球效应63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/808089API
curl https://kongchang.com/api/v1/knowledge/claims/808089MCP
get_claim(id=808089)