待验证50% 置信事实精确时间

扩散语言模型通过并行去掩码（parallel unmasking）方式一次性生成结构化的类似程序的计划

1

来源数

50%

置信度

长期有效

时效性

2026/10/9

首次发现

来源

Plan-and-Patch：用扩散语言模型实现智能体规划与局部修复

涉及实体

扩散语言模型technology

相关事实

待验证一种可行的混合架构是用大模型处理自然语言模糊性并转化为结构化中间表示，再交由手工规则系统进行确定性的程序化执行75% 相似待验证在充分的上下文环境下，大语言模型会主动复用相邻代码的模式，保持设计模式、命名规范和架构风格的一致性74% 相似待验证扩散语言模型采用并行去噪的思路，可以在一次前向过程中同时优化多个位置的输出，再通过多轮迭代逐步收敛到最终文本74% 相似待验证多模态大语言模型通过对比学习将视觉编码器（如CLIP、ViT）与语言模型对齐72% 相似待验证OpenWhispr的听写模式会用大语言模型对转录内容做智能润色，例如自动整理成项目符号列表并清理口语冗余表达72% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/990474

API

curl https://kongchang.com/api/v1/knowledge/claims/990474

MCP

get_claim(id=990474)