待验证50% 置信事实精确时间

无论处于哪一类区制，基于压缩复杂度的估计器都能稳定保持 O(1/√N) 的收敛速率

1

来源数

50%

置信度

长期有效

时效性

2026/10/12

首次发现

来源

压缩学习的风险估计达到大数定律收敛速率

涉及实体

压缩复杂度估计器concept

相关事实

待验证重要性采样优化思路可将算法实际复杂度从O(N)压缩到O(k)，其中k远小于N73% 相似待验证缩放点积将点积除以√d（d为嵌入维度），使点积方差保持在合理范围，让Softmax输出更平滑的概率分布以稳定训练71% 相似待验证Prefill阶段的计算复杂度与序列长度呈二次方关系（O(n²)）71% 相似待验证O(1/√N) 的收敛速率在速率意义上无法再改进，代表风险估计触及信息论意义上的最优速率71% 相似待验证分解子域策略可将步数复杂度从O((L/w)²)降低到O(L²/(N·w²))，其中N为子域数目71% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1001356

API

curl https://kongchang.com/api/v1/knowledge/claims/1001356

MCP

get_claim(id=1001356)