待验证50% 置信事实精确时间
连续扩散语言模型（CDLM）将文本映射到连续嵌入空间执行扩散过程，最后再解码回离散文本，而非直接在离散token上做扩散
1
来源数
50%
置信度
长期有效
时效性
2026/9/9
首次发现
来源
涉及实体
相关事实
待验证早期的离散扩散语言模型如 MDLM、SEDD 通过在 Token 嵌入空间或掩码空间中定义扩散过程来解决文本离散性挑战76% 相似待验证语言文本是离散序列，扩散模型处理离散空间时需要额外技巧（如MDLM、D3PM），不如连续空间自然73% 相似待验证论文《Diffusion-LM Improves Controllable Text Generation》将扩散模型迁移到离散文本上以实现可控生成，被公认为扩散语言模型方向的开山之作72% 相似待验证主流文生图模型如Stable Diffusion、Midjourney、DALL-E的底层架构通常是扩散模型与CLIP文本编码器的结合67% 相似待验证掩码扩散框架将加噪重新定义为token掩码替换，使扩散过程在离散文本域得以自洽66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/884171API
curl https://kongchang.com/api/v1/knowledge/claims/884171MCP
get_claim(id=884171)