待验证50% 置信事实精确时间
CFG（无分类器引导）在每步去噪时需同时运行有条件和无条件两次前向传播，开启后每步推理计算量翻倍
1
来源数
50%
置信度
长期有效
时效性
2026/10/1
首次发现
来源
涉及实体
相关事实
待验证CFG推理时分别进行有条件预测和无条件预测，通过公式output = uncond + guidance_scale × (cond - uncond)进行插值放大，代价是每步需要两次前向传播79% 相似待验证CFG 是扩散模型中的核心超参数，原理来自2022年的研究成果，通过加权混合有条件与无条件去噪路径的预测结果来增强对文本描述的响应71% 相似待验证文本引导的去噪过程本质上是Classifier-Free Guidance（CFG）机制在起作用，模型同时预测有条件和无条件的噪声估计，两者差值被放大后引导生成方向67% 相似待验证扩散模型的去噪过程通常需要执行数十到数百次迭代（称为采样步数），每次迭代都需要完整运行一次神经网络的前向传播61% 相似待验证DiffusionGemma采用整片并行去噪的生成机制，先铺开256个位置的噪声，然后逐轮迭代，将置信度最高的位置先固定，其余位置重新注入噪声61% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/963824API
curl https://kongchang.com/api/v1/knowledge/claims/963824MCP
get_claim(id=963824)