一文读懂 Diffusion：从 SDE 到 Flow Matching
青稞AI · wechat · 2026-08-16
这是一篇深入浅出的 Diffusion 模型科普长文，旨在串联起从 SDE、反向 SDE、概率流 ODE 到 Flow Matching 的完整逻辑链条。文章从第一性原理出发，探讨“生成究竟是什么”，解释了为何要在数据分布与高斯噪声之间铺路。作者通过构建线性 SDE 推导出加噪公式，并利用时间反演理论引出反向生成，最终自然过渡到 Flow Matching 的概念。内容适合希望理解生成模型底层数学本质的读者。
「研究」频道最新
- IBM 研究：基准测试高分依赖措辞，强模型更脆弱 — omarsar0 · 2026-08-16
- HUSKY 系统发布：人形机器人可完成动态滑板动作 — tom_doerr · 2026-08-16
- ArchAgent v2：多级数据预取的智能体架构发现 — dair_ai · 2026-08-16
- 新开源库 LLMRouter 统一 16+ 路由实现,发布 xRouteBench 基准 — Justgototheeffinmoon · 2026-08-16
- 新方法：用部分推理轨迹训练学生模型，无需实时环境 — YouJiacheng · 2026-08-16
- LLM在复杂结构化输出时易出错，开发者分享“研究员-格式化器”拆分架构 — DiligentBend9150 · 2026-08-16