待验证50% 置信事实精确时间

无目标载体负责吸收去噪器预测的边际token分布并构建覆盖所有未解析token的联合模型

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

相关事实

待验证扩散模型通过模拟从噪声到结构的去噪过程能有效采样配体的多种低能构象，DiffDock采用此核心技术路线74% 相似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% 相似待验证在扩散模型中，UNet的任务是在每一步采样中预测并去除潜空间中的噪声，经多步迭代还原图像71% 相似待验证端到端音频模型本质上是一个自回归生成模型，预测下一个音频token时依据此前所有音频token的概率分布70% 相似待验证卡尔曼滤波通过建立系统状态空间模型，将预测值与测量值按各自噪声协方差加权融合，是处理IMU漂移问题的经典方案69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/961099

API

curl https://kongchang.com/api/v1/knowledge/claims/961099

MCP

get_claim(id=961099)