Unverified50% confidenceFactExact time
扩散模型的随机采样本质决定了同一提示词每次生成结果均存在差异
1
Sources
50%
Confidence
Long-term
Relevance
7/17/2026
First Seen
Sources
Related Claims
Verified扩散模型在推理阶段从随机高斯噪声出发，经数十至数百步迭代去噪得到输出，即便固定随机种子，提示词的细微差异也会导致人脸特征、服装细节的显著偏移78% similarUnverified自回归生成模型在每一步基于前文概率分布采样下一个 token，当某种重复模式获得略高概率后会形成正反馈循环导致重复退化73% similarVerifiedLLM的不一致性与模型的温度参数和随机采样过程密切相关，同一问题多次调用同一模型可能产生不同答案72% similarUnverified扩散模型通过全局并行生成和迭代修正，能从根本上规避自回归模型的「曝光偏差」（Exposure Bias）累积错误问题71% similarUnverified大语言模型采用自回归生成机制，在每一步仅根据概率分布采样下一个token，每个token的生成以前序所有token为条件形成链式概率依赖70% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/540637API
curl https://kongchang.com/api/v1/knowledge/claims/540637MCP
get_claim(id=540637)