待验证50% 置信事实精确时间

MoPD（模型参数扩散/合并）是一种将轻量专项模型的能力注入主模型的技术，可在不重新全量训练的情况下迁移教师模型习得的行为偏好

1

来源数

50%

置信度

长期有效

时效性

2026/10/8

首次发现

来源

AI早报：DeepSeek V4.1 Pro疑进内测，多模型密集更新

涉及实体

相关事实

待验证扩散模型可通过引导（Guidance）机制实现可控生成，类似图像扩散中的Classifier-Free Guidance，无需重新训练模型63% 相似已验证模型蒸馏（Model Distillation）在机器学习领域指用大型教师模型的输出训练小型学生模型，以压缩模型规模同时保留能力63% 相似待验证该独立开发者的销售转化模型采用PPO（近端策略优化）在序列嵌入之上进行训练62% 相似已验证模型蒸馏是一种将大型教师模型能力迁移到更小学生模型的技术，可能被用于扩散危险能力62% 相似待验证FSDP 将模型参数、梯度和优化器状态拆分到多卡，是训练千亿级参数模型的主流方案62% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/988764

API

curl https://kongchang.com/api/v1/knowledge/claims/988764

MCP

get_claim(id=988764)