待验证50% 置信事实精确时间
训练时的损失按token计算，长样本贡献的梯度远多于短样本，因此10%的行数比例完全可能对应50%以上的token量和梯度信号。
1
来源数
50%
置信度
长期有效
时效性
2026/10/13
首次发现
来源
涉及实体
相关事实
待验证测试损失与计算量之间的幂律指数约为0.05，意味着计算量每增加10倍，模型性能提升约12%76% 相似待验证从模型无约束采样八个候选时，训练数据有限情况下有10.2%的输入无法产生任何有效输出，使用全量训练数据时该比例降至0.4%73% 相似待验证CLM训练中仅预训练在困难负样本测试上得52%，加上困难负样本阶段跳升到69%；若从第一天就用困难负样本训练则峰值只有62%且很快过拟合；缺少重放会使困难负样本分数从69%跌回56%71% 相似待验证在6470条母线（比训练中任何电网大约40%）的未见电网上做零样本测试，成本误差上升约10%，但模型仍能近乎完美地按成本对情景排序71% 相似待验证在合成预训练基础上用数百张真实数据微调，往往能将mAP提升10-20个百分点71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1018230API
curl https://kongchang.com/api/v1/knowledge/claims/1018230MCP
get_claim(id=1018230)