待验证50% 置信解决方案精确时间
部署时需将 Diffusion 模型放入 diffusion_models 文件夹、文本编码器放入 text_encoders、VAE 放入 vae 文件夹
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/9/24
首次发现
有效期至：2026/12/23
来源
涉及实体
相关事实
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64% 相似待验证研究者提出了掩码扩散（Masked Diffusion）、吸收态扩散（Absorbing Diffusion）等变体以解决文本离散空间的扩散挑战64% 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62% 相似待验证LLaDA-Image采用掩码扩散（Masked Diffusion）机制，将离散掩码语言模型与连续扩散过程相结合61% 相似待验证文本扩散采用掩码扩散（Masked Diffusion）方案，用[MASK]token替代真实token模拟损坏状态，再训练模型恢复原始文本，以块为单位并行输出58% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/947102API
curl https://kongchang.com/api/v1/knowledge/claims/947102MCP
get_claim(id=947102)