Unverified50% confidenceFactExact time
DRaFT利用扩散模型去噪过程的可微性，将奖励函数梯度直接回传至模型参数，无需强化学习的策略梯度估计器，规避高方差问题
1
Sources
50%
Confidence
Long-term
Relevance
7/12/2026
First Seen
Sources
直接优化人脸相似度：角色LoRA训练提速实战指南
redditr/StableDiffusion7/11/2026
Related Claims
Verified扩散模型通过逐步添加高斯噪声再训练模型学习逆向去噪的马尔可夫链机制，规避了对抗训练的不稳定性79% similarUnverified扩散模型可对整个序列并行去噪，而非像自回归模型那样逐字推进，理论上能提升生成吞吐量75% similarVerified扩散模型的核心思路来源于非平衡热力学，训练阶段将清晰图像逐步加入高斯噪声，推理阶段从随机噪声逆向去除噪声还原图像74% similarUnverified扩散模型通过模拟从噪声到结构的去噪过程能有效采样配体的多种低能构象，DiffDock采用此核心技术路线73% similarUnverified过拟合的统计原理是当模型参数量相对训练数据过多时，模型会记住噪声而非学到规律72% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/490039API
curl https://kongchang.com/api/v1/knowledge/claims/490039MCP
get_claim(id=490039)