待验证50% 置信事实精确时间
该论文训练一个双射（典型实现为归一化流），使目标分布在隐空间中接近结构简单的参考密度
1
来源数
50%
置信度
长期有效
时效性
2026/10/9
首次发现
来源
涉及实体
相关事实
待验证非对称架构的可行性依赖于两个模型被联合训练或蒸馏，使其输出向量落在同一度量空间内66% 相似已验证扩散模型以 DALL-E 2、Stable Diffusion、Midjourney 为代表，重新定义了图像生成任务66% 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65% 相似待验证传统朗之万动力学依赖于目标分布密度函数的梯度信息，在密度函数光滑可微的情况下表现良好65% 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/990825API
curl https://kongchang.com/api/v1/knowledge/claims/990825MCP
get_claim(id=990825)