待验证50% 置信事实精确时间

该研究明确区分了激活几何与输出几何，并强调与模型行为和可控性相关联的是输出几何而非激活几何

1

来源数

50%

置信度

长期有效

时效性

2026/10/12

首次发现

来源

共享Fisher-Rao几何：一种通用LLM安全控制方法

涉及实体

激活几何concept 输出几何concept

相关事实

待验证TensorFlow和PyTorch的计算图将模型表达为有向无环图（DAG），算子为节点、张量为边上流动的数据，使自动微分和GPU并行调度成为架构自然产物69% 相似待验证该研究模型固定了特征和不等式方向，用于分析决策树桩阈值的学习67% 相似待验证嵌入模型将原始内容映射到高维向量空间，输出向量在几何上保留语义关系，含义相近的内容对应向量距离更近66% 相似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66% 相似待验证参数量越大，模型能编码的视觉模式、语义关联和物理规律越丰富，但显存占用呈线性乃至超线性增长66% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1003166

API

curl https://kongchang.com/api/v1/knowledge/claims/1003166

MCP

get_claim(id=1003166)