待验证50% 置信事实精确时间

logistic损失不享有多项式损失那种有限维即可精确续学的性质，精确保留学习能力理论上需要无界的记忆开销

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

logistic lossconcept

相关事实

待验证非多项式损失在预测相等的历史上有无界的状态需求，即使是有界的标量logistic损失在固定任意有限阶导数喷射后这种障碍依然存在75% 相似待验证预测损失合理但下游控制精度为0%高度符合表征坍缩的特征，即编码器骗过自监督目标却未学到有用动态信息72% 相似待验证隐空间的迭代不需要生成中间token可省去解码开销，但面临可解释性下降的代价68% 相似待验证减少 token、缩短上下文带来的收益容易量化，而丢失关键证据带来的偶发性损失难以捕捉68% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1002203

API

curl https://kongchang.com/api/v1/knowledge/claims/1002203

MCP

get_claim(id=1002203)