待验证50% 置信事实精确时间

扩散语言模型采用并行去噪的思路，可以在一次前向过程中同时优化多个位置的输出，再通过多轮迭代逐步收敛到最终文本

1

来源数

50%

置信度

长期有效

时效性

2026/9/23

首次发现

来源

Mercury 2.5扩散语言模型：770 tokens/秒的推理速度突破

涉及实体

扩散语言模型concept

相关事实

待验证将自回归文本生成与基于扩散的迭代去噪拼接在一起，会引入计算范式上的根本性不对称77% 相似待验证扩散语言模型借鉴图像扩散模型思路，通过迭代去噪过程并行生成整段文本，与GPT系列自回归生成不同76% 相似待验证Midjourney使用CLIP的文本编码器将提示词转换为条件向量，引导扩散模型的去噪过程75% 相似待验证WordPiece以最大化语言模型似然为目标来决定合并策略75% 相似待验证文本编码器负责将自然语言提示词转换为高维嵌入向量供扩散模型的去噪过程使用74% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/945363

API

curl https://kongchang.com/api/v1/knowledge/claims/945363

MCP

get_claim(id=945363)