待验证50% 置信事实精确时间
文本引导的去噪过程本质上是Classifier-Free Guidance（CFG）机制在起作用，模型同时预测有条件和无条件的噪声估计，两者差值被放大后引导生成方向
1
来源数
50%
置信度
长期有效
时效性
2026/8/5
首次发现
来源
相关事实
待验证Classifier-Free Guidance的公式为：预测噪声 = 无条件预测 + 引导强度 × (条件预测 - 无条件预测)，引导强度越高越偏离自然分布75% 相似已验证扩散模型通过逐步添加高斯噪声再训练模型学习逆向去噪的马尔可夫链机制，规避了对抗训练的不稳定性71% 相似待验证扩散模型的训练过程分为加噪与去噪两个阶段，推理阶段的条件可引入额外视觉信号（如参考视频、深度图、骨骼图）约束去噪方向70% 相似待验证HuBERT使用离线聚类算法（如k-means）为音频帧生成伪标签，训练模型预测被遮蔽帧的聚类ID68% 相似待验证过拟合的统计原理是当模型参数量相对训练数据过多时，模型会记住噪声而非学到规律68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/689123API
curl https://kongchang.com/api/v1/knowledge/claims/689123MCP
get_claim(id=689123)