待验证50% 置信事实精确时间
MintFlow 不改动预训练模型的流场，而是寻找对某个中间流状态的最小扰动，使扰动后的状态在原有流场下演化后满足目标约束
1
来源数
50%
置信度
长期有效
时效性
2026/10/5
首次发现
来源
涉及实体
相关事实
待验证MintFlow 采用伴随（adjoint）公式推导所需扰动，得到该扰动的闭式表达式70% 相似待验证相比基于分数函数的扩散模型，流匹配训练目标更简洁，轨迹可设计为直线（rectified flow），从而在更少推理步数内完成高质量生成68% 相似已验证Midjourney和Stable Diffusion都基于潜在扩散模型（Latent Diffusion Model）66% 相似待验证Krea 并非自研底层扩散模型，而是在 Flux、Stable Diffusion 等开源或授权模型之上构建了一套实时推理与交互层62% 相似待验证离散扩散的单步生成只有在它所写入的位置在已固定token条件下相互独立时，才能真正匹配训练数据分布62% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/975570API
curl https://kongchang.com/api/v1/knowledge/claims/975570MCP
get_claim(id=975570)