待验证50% 置信事实精确时间

仅改变误差度量的定义顺序，采样所需轮数就从(log n)^2坍缩到log ln n级别，构成巨大的渐近分离

1

来源数

50%

置信度

长期有效

时效性

2026/10/12

首次发现

来源

并行采样的轮数复杂度分离：混合前后的KL散度之差

涉及实体

调度平均散度concept 输出律散度concept

相关事实

待验证快速排序的平均时间复杂度为n log n，最坏情况下会退化到O(n²)77% 相似待验证对于平衡目标，按输出律散度衡量所需轮数骤降至(e^{-ε}+o(1))log_2 ln n，即双对数量级73% 相似待验证RNN面临梯度消失问题，序列越长梯度经过的乘法链越长，数值呈指数级缩小70% 相似已验证RNN以串行方式处理序列，存在长序列梯度消失和无法并行计算两大问题68% 相似待验证要把预测误差压到 τ 水平，所需的状态数或模式数为 r=Θ(log²(1/τ))，即平方对数状态复杂度定律68% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1002152

API

curl https://kongchang.com/api/v1/knowledge/claims/1002152

MCP

get_claim(id=1002152)