待验证50% 置信事实精确时间
连续扩散语言模型将离散 token 映射到连续嵌入空间，在该空间中执行加噪与去噪过程，最终解码回离散 token
1
来源数
50%
置信度
长期有效
时效性
2026/9/23
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74% 相似待验证连续扩散语言模型（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72% 相似待验证大语言模型即使支持200K Token上下文，在处理大型代码库时也存在Lost in the Middle现象，即对上下文中较早信息关注度递减70% 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70% 相似待验证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69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/945382API
curl https://kongchang.com/api/v1/knowledge/claims/945382MCP
get_claim(id=945382)