Unverified50% confidenceFactExact time
传统的离散扩散模型对齐方法假设推理是单向的，token一旦被采样确定就不再重新考量，缺少让模型重新访问已确定选择的机制
1
Sources
50%
Confidence
Long-term
Relevance
9/28/2026
First Seen
Sources
Related Entities
Related Claims
Unverified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77% similarUnverifiedFew-shot 示例传递的是样例而非规则，模型归纳过程是概率性的存在系统性偏差，因此示例与 Schema 应配合使用而非互相替代77% similarVerified研究发现模型生成的思维链推理与其实际内部计算过程并不完全对应，可能给出与真实决策路径无关的事后解释74% similarUnverified思维链推理的效果随模型规模呈现涌现性，在较小模型上几乎无效，在足够大的模型上才能显著提升推理准确率74% similarUnverified决策模型不产生自由格式的token流，而是针对一个有界的假设空间去评估当前状态73% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/955535API
curl https://kongchang.com/api/v1/knowledge/claims/955535MCP
get_claim(id=955535)