待验证50% 置信事实精确时间

论文使用高斯混合模型（Gaussian mixture models）和全批量梯度下降作为理论分析对象

1

来源数

50%

置信度

长期有效

时效性

2026/9/7

首次发现

来源

解耦下降：让训练误差精准追踪测试误差的新理论框架

涉及实体

高斯混合模型concept 全批量梯度下降concept

相关事实

待验证扩散模型的数学本质是基于随机微分方程和得分匹配理论，支撑着Stable Diffusion、DALL-E等图像生成系统66% 相似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64% 相似待验证DALL·E 2和Stable Diffusion均基于扩散模型原理64% 相似待验证扩散模型在全局一致性上表现更好但推理速度较慢，自回归模型以逐帧或逐片段方式生成64% 相似已验证扩散模型是一类基于马尔可夫链的生成模型，核心思想是通过前向加噪和反向去噪来捕捉数据分布64% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/869860

API

curl https://kongchang.com/api/v1/knowledge/claims/869860

MCP

get_claim(id=869860)