待验证60% 置信事实精确时间
扩散模型的理论根基来自热力学非平衡随机过程，2015年由Sohl-Dickstein等人首次引入机器学习领域，2020年后经OpenAI的DDPM大幅提速
2
来源数
60%
置信度
长期有效
时效性
2026/7/18
首次发现
来源
相关事实
待验证扩散模型的数学基础源于2015年Sohl-Dickstein等人提出的非平衡热力学启发的生成模型79% 相似待验证扩散模型的理论基础由 Song Yang 等人在 2020 年通过随机微分方程（SDE）框架统一阐明，概率流 ODE 的发现使确定性采样成为可能，催生了 DDIM 等加速采样方法，将采样步数从 1000 步压缩至 10-50 步71% 相似待验证扩散模型的数学框架最早源于物理学中描述粒子扩散的朗之万动力学，由研究者于2020年引入生成模型领域70% 相似待验证扩散模型的技术根基来源于非平衡热力学中的随机过程，分为正向扩散过程和反向去噪过程两个阶段70% 相似待验证2020年后兴起的扩散模型（Diffusion Models）直接建立在随机微分方程与概率流的数学框架之上66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/552448API
curl https://kongchang.com/api/v1/knowledge/claims/552448MCP
get_claim(id=552448)