待验证50% 置信事实精确时间
离散扩散模型专门处理离散数据（如氨基酸序列、DNA序列或文本），正向过程通常采用掩码机制，将序列中某些位置替换为[MASK]标记，模型在反向过程中逐步预测还原
1
来源数
50%
置信度
长期有效
时效性
2026/9/28
首次发现
来源
涉及实体
相关事实
已验证扩散模型是一类基于马尔可夫链的生成模型，核心思想是通过前向加噪和反向去噪来捕捉数据分布72% 相似待验证扩散模型可对整个序列并行去噪，而非像自回归模型那样逐字推进，理论上能提升生成吞吐量71% 相似待验证处理分子任务时应使用骨架切分（Scaffold Split）而非随机切分，否则模型会因数据泄露导致效果虚高71% 相似待验证离散空间扩散直接在token序列上定义扩散过程，引入[MASK] token，前向过程逐步将真实token替换为mask，反向过程学习预测被mask的原始token70% 相似待验证离散流匹配可以并行修改整个序列，理论上比自回归模型具备更高的并行度，但需要多次完整前向传播69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/955536API
curl https://kongchang.com/api/v1/knowledge/claims/955536MCP
get_claim(id=955536)