[!quote]+ 
扩散模型目前是需要复杂局部结构的生成任务中最强大的工具类型之一，如图像生成和分子发现。他们展现出令人兴奋的能力，能够超越训练数据进行泛化，从而展现出“创造力”。例如，在用真实图像数据集训练后，它们可以将随机噪声样本转化为新颖且高质量的图像。 
虽然这种创造力令人印象深刻，但也引发了一个有趣的问题：它来自哪里？理解这个问题的答案，是揭开基于扩散的生成式人工智能“黑匣子”特性的重要一步。 
为此，在”关于扩散模型中评分平滑的插值效应“，在ICLR 2026我们深入探讨扩散模型的数学以回答这个问题。我们证明模特的创造力并非偶然。相反，它是神经网络训练自然地在生成过程中将噪声转换回数据。 

https://arxiv.org/pdf/2502.19499v3