待验证50% 置信事实精确时间

拓扑表达力通常用决策边界的贝蒂数来表示，特别适合刻画二分类问题

1

来源数

50%

置信度

长期有效

时效性

2026/10/12

首次发现

来源

神经网络拓扑表达力的构造性边界：从决策边界到输出空间

涉及实体

拓扑表达力concept 贝蒂数concept

相关事实

待验证单头概率模型适合特征即标签的场景，多元逻辑架构适合约束相乘的结构性问题，盲目融合往往两头落空68% 相似待验证分词特征差异发生在推理链路底层，难以通过提示工程掩盖，可作为模型识别手段66% 相似待验证相关性判断本质是语义相似度问题，可用句向量模型编码问题和动作，再训练逻辑回归或梯度提升树等轻量分类器输出判断66% 相似待验证两个模型在概念辨析上都展现了对语义边界的敏感，反方切割了「彼此调整」与「迎合」，正方收窄了「顺着」的范围66% 相似待验证自注意力机制允许模型在单次计算中直接建立序列中任意两个位置元素之间的语义依赖关系，解决了长距离依赖问题并支持并行计算66% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1002106

API

curl https://kongchang.com/api/v1/knowledge/claims/1002106

MCP

get_claim(id=1002106)