待验证50% 置信事实精确时间

该研究证明：对高斯过程先验同时在线性等式观测和有限维不等式事件上进行联合条件化，等价于在解空间的Borel测度意义下进行序贯条件化

1

来源数

50%

置信度

长期有效

时效性

2026/10/12

首次发现

来源

带约束的概率数值方法：高斯过程求解线性PDE的新突破

涉及实体

高斯过程concept Borel测度concept

相关事实

待验证高斯过程能够对函数关系进行建模并给出带有置信区间的预测结果，应用于贝叶斯优化、空间统计、时间序列预测等场景71% 相似待验证通过保持场景不变、只替换关键对象的对比实验，可以在受控条件下观察模型的物理推理能力68% 相似待验证自回归模型将联合概率拆解为逐步条件概率的乘积，通过因果注意力掩码确保每个token只能看到左侧历史信息67% 相似待验证一致性正则化的基本假设是对同一输入样本施加不同扰动时模型输出应保持一致67% 相似待验证贝叶斯网络通过有向无环图显式建模变量间的条件依赖关系，适合捕捉因果链条67% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1002252

API

curl https://kongchang.com/api/v1/knowledge/claims/1002252

MCP

get_claim(id=1002252)