待验证60% 置信事实精确时间
一致性蒸馏（Consistency Distillation）由Song等人在2023年提出的一致性模型中实现，其核心思想是训练模型使得同一去噪轨迹上任意两点的预测输出保持一致，从而实现单步或少步生成
2
来源数
60%
置信度
长期有效
时效性
2026/9/6
首次发现
来源
涉及实体
相关事实
已验证一致性模型通过训练网络直接预测去噪轨迹的端点，理论上可实现单步生成76% 相似待验证四步生成背后的技术原理通常来自一致性模型（Consistency Model）或流匹配（Flow Matching）等加速采样范式，通过蒸馏训练让模型在稀疏时间步上准确预测去噪方向72% 相似待验证一致性正则化的基本假设是对同一输入样本施加不同扰动时模型输出应保持一致69% 相似待验证一致性模型定义了一个一致性函数，要求模型将同一去噪轨迹上的任意点映射到相同的初始状态，从而实现单步或少步采样68% 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67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/868230API
curl https://kongchang.com/api/v1/knowledge/claims/868230MCP
get_claim(id=868230)