研究人员在ICLR 2026发表论文,揭示扩散模型的"创造力"并非随机现象,而是神经网络训练过程中正则化效应导致"得分函数平滑化"的数学结果。这种平滑化使生成过程在训练数据点之间进行插值,而非简单复制训练样本。研究表明,权重衰减等正则化手段使神经网络难以学习陡峭函数,转而学习更平滑的版本,从而在数据流形上探索新的空间,实现质量与创新性的平衡。