待验证50% 置信事实精确时间
文本到图像模型(如Midjourney、Stable Diffusion、DALL-E)对提示词的解读都带有一定的随机性和不可预测性
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/9/9
首次发现
有效期至：2026/12/8
来源
涉及实体
相关事实
待验证早期扩散模型如Stable Diffusion和DALL-E 2生成的图片中文字往往呈现乱码或模糊状态77% 相似待验证主流图像/视频生成模型如Stable Diffusion、Midjourney、Sora缺乏持久化记忆机制，每次生成依赖当前提示词和随机噪声种子，不内置跨次调用的状态保持能力71% 相似待验证模糊的感受类描述会让大语言模型在多个可能的方向上随机游走，而具体的问题描述则直接指向解决路径69% 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68% 相似待验证模型权重在推理过程中呈现一次写入、多次读取的特征，与闪存读快写慢的物理特性天然吻合68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/880385API
curl https://kongchang.com/api/v1/knowledge/claims/880385MCP
get_claim(id=880385)