待验证50% 置信事实精确时间
MMD被广泛应用于生成对抗网络（GAN）的训练目标、双样本假设检验以及域适应等任务
1
来源数
50%
置信度
长期有效
时效性
2026/10/12
首次发现
来源
涉及实体
相关事实
待验证专用SWE模型通常采用领域数据筛选、持续预训练和针对性指令微调三重策略71% 相似待验证主流大模型基准如MMLU、BigBench、MATH均已被广泛用于模型训练数据筛选与强化学习奖励信号设计，导致高分越来越难映射到真实能力提升69% 相似待验证领域自适应作为迁移学习子领域，常用方法包括对抗训练（DANN）、最大均值差异最小化（MMD）以及基于元学习框架（如MAML）的少样本适应69% 相似待验证CTGAN由MIT数据实验室于2019年提出，专门针对表格数据挑战，采用模式特定归一化和训练时条件采样机制69% 相似待验证常见的UDA技术路线包括对抗训练（如DANN方法）、最大均值差异（MMD）和自训练/伪标签68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1002215API
curl https://kongchang.com/api/v1/knowledge/claims/1002215MCP
get_claim(id=1002215)