待验证50% 置信事实精确时间

得分匹配的误差会在反向SDE采样过程中逐步累积，且前向噪声调度通常需人工设计。

1

来源数

50%

置信度

长期有效

时效性

2026/11/2

首次发现

来源

可训练扩散场生成式SDE：密度损失优化新方法

涉及实体

得分匹配concept 反向SDEconcept

相关事实

待验证将离散SGD与连续SDE联系起来时，核心误差来源于离散化误差和噪声近似误差两个方面。79% 相似待验证论文的核心洞见是：许多迭代算法的性能度量满足一步递归，误差分析可归约为对可预测加权噪声和的时一致集中。75% 相似已验证扩散模型的迭代去噪过程对数值误差敏感，每步的微小误差会累积并影响最终图像，采样步数越多量化误差影响越大75% 相似待验证DT-DRO推导出的有效模糊半径与决策风险保证会随着估计误差和近似误差的消失而收紧75% 相似待验证在模型对比或prompt工程优化中，非确定性引入额外方差，需要大量重复实验来消除噪声，显著增加评估成本。75% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1125438

API

curl https://kongchang.com/api/v1/knowledge/claims/1125438

MCP

get_claim(id=1125438)