待验证50% 置信事实精确时间
Caro 等人提出，量子模型的可训练门数量 K 与泛化所需训练数据量之间存在权衡关系：更少的门意味着更少的数据需求。
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Li等人2018年发现神经网络的有效参数空间维度远低于名义参数量，训练轨迹被限制在低维子空间中67% 相似待验证拿针对性训练过的0.8B模型对比未微调的stock Qwen3.5-2B基础模型存在比较基准不对等的问题65% 相似待验证QIC-117这样的冷门老协议在大模型训练集中几乎是空白地带，导致模型对其能力较弱65% 相似待验证最新研究通过完整复现实验发现，训练集大小与 Q-FLAIR 最终收敛的电路规模之间不存在可预测的关系。65% 相似待验证专用模型对应更低的假设空间复杂度和更紧的泛化界，在样本稀缺场景下少量高质量专业数据配合高度对齐的模型结构往往优于海量通用数据训练的大模型64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1012971API
curl https://kongchang.com/api/v1/knowledge/claims/1012971MCP
get_claim(id=1012971)