待验证50% 置信事实精确时间

许多被提出的新目标函数相较于经过充分调优的 MSE 基线，提升要么有限，要么并不稳定

1

来源数

50%

置信度

长期有效

时效性

2026/10/12

首次发现

来源

重新审视表格数据深度回归：目标函数与全局早停的局限

涉及实体

相关事实

待验证此前的主流观点认为用均方误差（MSE）训练出的速度场会系统性地低估速度幅值，速度缩放是对这一误差的修正64% 相似待验证分位数损失相较 MSE 在所测试的各种骨干网络上都能带来稳定的整体性能提升64% 相似待验证分位数损失相比 MSE 对异常值更鲁棒，并能隐式刻画预测误差的非对称性64% 相似已验证PEFT技术的核心思想是不更新全部参数，而是引入少量可训练的适配器参数（如LoRA的低秩矩阵分解），降低显存和计算需求同时保留接近全量微调的效果64% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1001909

API

curl https://kongchang.com/api/v1/knowledge/claims/1001909

MCP

get_claim(id=1001909)