待验证50% 置信事实精确时间

离散扩散模型通过多步迭代、并行解析多个token来构建完整序列，与自回归模型的从左到右逐词生成不同

1

来源数

50%

置信度

长期有效

时效性

2026/9/30

首次发现

来源

COFFEE框架：为离散扩散模型注入面向未来的目标引导

涉及实体

离散扩散模型concept 自回归模型concept

相关事实

待验证扩散模型通过全局并行生成和迭代修正，能从根本上规避自回归模型的「曝光偏差」（Exposure Bias）累积错误问题77% 相似已验证扩散语言模型可以同时对整个序列的所有token进行并行预测与迭代优化，而非逐个输出77% 相似待验证扩散模型推理需要固定轮数的前向传播且每轮作用于整个序列，总代价是步数乘以序列长度的函数76% 相似待验证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75% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/961096

API

curl https://kongchang.com/api/v1/knowledge/claims/961096

MCP

get_claim(id=961096)