待验证50% 置信事实精确时间
得分匹配是训练扩散模型的核心技术之一，得分函数定义为对数概率密度的梯度 ∇_x log p_t(x)。
1
来源数
50%
置信度
长期有效
时效性
2026/11/2
首次发现
来源
涉及实体
相关事实
已验证在扩散模型中，得分函数被用来描述数据分布的对数梯度，并通过去噪得分匹配进行训练。80% 相似待验证传统基于得分匹配的生成模型通常固定前向过程的扩散系数，仅学习得分函数（即漂移项）。74% 相似已验证流匹配的思路是学习一个时间依赖的向量场v_t(x)，使由该向量场驱动的常微分方程能把简单参考分布传输到目标数据分布73% 相似待验证目标分数恒等式将分数函数表示为当前模型预测与未归一化密度梯度之间的自洽关系，使得无需外部训练数据即可构造训练目标。72% 相似待验证分裂共形预测是一种无分布假设的不确定性量化方法，通过训练集拟合模型、校准集计算非一致性得分分位数作为阈值，为测试点提供预测区间，保证真实值落入区间的概率不低于预设置信水平（如98.4%），且该保证仅依赖数据可交换性。70% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1125436API
curl https://kongchang.com/api/v1/knowledge/claims/1125436MCP
get_claim(id=1125436)