待验证50% 置信事实精确时间
离散流匹配在技术上属于扩散模型在离散域的延伸，将去噪思路从连续像素空间迁移到文本离散token空间
1
来源数
50%
置信度
长期有效
时效性
2026/9/16
首次发现
来源
涉及实体
相关事实
待验证Stable Diffusion 基于去噪扩散概率模型（DDPM）理论，将扩散过程从像素空间转移到低维潜在空间，由VAE负责编解码，CLIP模型将文本提示编码为语义向量76% 相似待验证文本扩散模型主要通过两条路径解决离散token问题：在连续嵌入空间执行扩散，或定义离散马尔可夫转移矩阵直接在token空间操作75% 相似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）75% 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73% 相似待验证当假词编码向量落在流形之外时，扩散模型去噪过程会将结果拉回到最近的流形表面，因此即使输入无意义输出也看起来连贯73% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/927900API
curl https://kongchang.com/api/v1/knowledge/claims/927900MCP
get_claim(id=927900)