Unverified50% confidenceFactExact time
扩散模型反向过程的核心驱动力是Score函数，即对数密度梯度∇x log p(x)，指向概率密度增大最快的方向
1
Sources
50%
Confidence
Long-term
Relevance
7/15/2026
First Seen
Sources
Related Claims
Unverified策略梯度定理证明梯度可表示为∇J(θ) = E[∇log π(a|s;θ) · Q^π(s,a)]，使用log-derivative trick将对概率分布的求导转化为对log概率的求导乘以采样值67% similarUnverified后训练的最优解是参考分布的指数倾斜，即最优分布密度正比于参考模型密度乘以奖励的指数：π*(x) ∝ π_ref(x) · exp(r(x)/β)64% similarUnverified扩散模型的数学本质是基于随机微分方程和得分匹配理论，支撑着Stable Diffusion、DALL-E等图像生成系统64% similarUnverifiedDALL·E 2和Stable Diffusion均基于扩散模型原理64% similarUnverified扩散模型的前向扩散过程可用马尔可夫链描述：q(x_t|x_{t-1}) = N(x_t; √(1-β_t)x_{t-1}, β_tI)63% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/523846API
curl https://kongchang.com/api/v1/knowledge/claims/523846MCP
get_claim(id=523846)