待验证70% 置信观点精确时间
Diffusion-LM被公认为扩散语言模型方向的开山之作
2
来源数
70%
置信度
长期有效
时效性
2026/9/2
首次发现
来源
涉及实体
相关事实
待验证离散扩散语言模型主流方案包括：将token映射到连续嵌入空间进行扩散（如Diffusion-LM），或设计离散扩散过程用掩码模拟加噪（如D3PM、MDLM）77% 相似待验证Diffusion-LM的生成流程分三步：用可学习词嵌入将词映射为连续向量、通过扩散模型迭代去噪得到连续隐变量序列、通过Rounding操作将连续向量还原为离散文本74% 相似待验证Diffusion-LM使用可学习嵌入而非固定嵌入，因为嵌入空间的几何结构需要与扩散过程的去噪动力学相互适配72% 相似待验证早期扩散模型如Stable Diffusion和DALL-E 2生成的图片中文字往往呈现乱码或模糊状态70% 相似待验证生成式模型从早期的GAN发展到扩散模型（如Stable Diffusion）和自回归大语言模型（如ChatGPT）69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/845572API
curl https://kongchang.com/api/v1/knowledge/claims/845572MCP
get_claim(id=845572)