待验证50% 置信事实精确时间
代表性离散扩散工作包括Masked Diffusion Language Model（MDLM）及其后续改进，并用于代码、蛋白质序列等结构化数据生成
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/2
首次发现
有效期至：2026/12/31
来源
涉及实体
相关事实
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73% 相似待验证Diffusion-LM被公认为扩散语言模型方向的开山之作72% 相似待验证离散扩散语言模型主流方案包括：将token映射到连续嵌入空间进行扩散（如Diffusion-LM），或设计离散扩散过程用掩码模拟加噪（如D3PM、MDLM）71% 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70% 相似待验证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70% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/968482API
curl https://kongchang.com/api/v1/knowledge/claims/968482MCP
get_claim(id=968482)