# 走向揭开扩散模型创造力之谜

- 原标题：Towards demystifying the creativity of diffusion models
- 类型：博客
- 来源：Google Research
- 发布时间：2026-07-16
- 首次精选：2026-10-28 16:25
- 分级：值得看
- 学习层级：深入
- 主题：[diffusion-image-generation](<https://oplearnx.com/md/topics/diffusion-image-generation.md>)（第 7 位）
- 原文链接：[https://research.google/blog/towards-demystifying-the-creativity-of-diffusion-models](<https://research.google/blog/towards-demystifying-the-creativity-of-diffusion-models>)
- 本站页面：[https://oplearnx.com/resources/pk\_1eb8ebfa04a8](<https://oplearnx.com/resources/pk_1eb8ebfa04a8>)

## 摘要

这是 Google 研究科学家 Zhengdao Chen 于 2026 年 7 月 15 日发布的博客，讨论扩散模型的"创造力"（生成新数据而非仅记忆训练集）如何成为数学结果。文中称这与神经网络学到"平滑化"的分数函数有关，并介绍在 ICLR 2026 发表的论文《On the Interpolation Effect of Score Smoothing in Diffusion Models》。文中提供论文与代码链接。

---
来源：LearnMap · 学径（https://oplearnx.com）