待验证50% 置信事实精确时间

即使在所有共享同一个固定当前预测器的历史中，仍然可能有多达 r-d 个坐标是继续学习所必需的

1

来源数

50%

置信度

长期有效

时效性

2026/10/12

首次发现

来源

预测不等于记忆：为什么复现当前预测的状态仍可能"忘记"如何学习

涉及实体

cumulative learningconcept

相关事实

待验证一个能准确复现当前模型所有预测的记忆状态，可能已经丧失了从下一个观测中继续学习的能力72% 相似待验证回归用于预测连续型数值，是监督学习中最基础的部分70% 相似已验证RL阶段每一步训练需要同时运行推理（生成rollout）和反向传播（更新权重），因此算力需求远高于普通微调68% 相似待验证过拟合指模型在验证集或测试集上被反复调优，最终记住这些数据的特性，而非真正学到泛化能力68% 相似待验证LoRA缩放因子α/r中除以r起到归一化作用，使得在调整r时不需要同步调整学习率67% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1002201

API

curl https://kongchang.com/api/v1/knowledge/claims/1002201

MCP

get_claim(id=1002201)