待验证50% 置信基准精确时间

小型CIFAR设置上普通的种子间波动约为±0.3–0.5个百分点，相同种子下的GPU噪声也落在同一统计区间

1

来源数

50%

置信度

长期有效

时效性

2026/10/12

首次发现

来源

设了随机种子却训出不同模型？PyTorch可复现性真相

涉及实体

CIFARconcept GPUconcept

相关事实

待验证传统自回归生成每次只能产生一个token，需要完整的前向传播，导致GPU利用率低下，计算单元实际闲置率可达80%以上63% 相似待验证研究表明即使架构和超参数完全相同，不同随机种子训练出的模型可能在准确率上产生 0.5% 到 2% 的自然波动63% 相似待验证千问3.8 Flash Next的稀疏率约为95%，每次推理只动用不到5%的参数61% 相似待验证盖洛普民调的标准误差通常控制在±3-4个百分点,置信度达95%60% 相似待验证单条推理通常只能占用GPU SM利用率的5%～15%，而合理的批次大小可将利用率提升至60%～90%59% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1001674

API

curl https://kongchang.com/api/v1/knowledge/claims/1001674

MCP

get_claim(id=1001674)