待验证75% 置信观点精确时间

扩散模型本质上是对像素分布的学习，缺乏对因果物理过程的建模

1

来源数

75%

置信度

长期有效

时效性

2026/5/29

首次发现

来源

Gemini Omni：理解物理规律的AI视频生成有多强？

twitterGeminiApp2026/5/29

涉及实体

扩散模型concept

相关事实

待验证扩散模型的归纳偏置天然倾向于平滑、渐变的输出，无法在架构层面强制施加网格约束，即便专门训练的LoRA模型也只能在统计意义上让输出更像像素画77% 相似待验证当前扩散模型对非标品或定制化产品往往进行创意性补全而非精准还原，因为模型学习的是视觉分布而非具体商品的精确外观77% 相似待验证扩散模型在连续像素空间中学习概率分布，而非在离散符号空间中建立语义映射，与GPT系列语言模型的Token化处理路径存在架构分歧73% 相似待验证传统扩散模型在生成文字时频繁出错，根本原因在于训练目标是从噪声中重建图像像素分布，而非理解字符的语义结构72% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/184

API

curl https://kongchang.com/api/v1/knowledge/claims/184

MCP

get_claim(id=184)