待验证50% 置信事实精确时间
Koh & Liang在2017年将影响函数引入深度学习，用于识别误标注样本和理解模型行为。
1
来源数
50%
置信度
长期有效
时效性
2026/10/14
首次发现
来源
涉及实体
相关事实
待验证核岭回归（KRR）是非参数学习中理论基础扎实的算法，常被用来研究深度学习的内在性质72% 相似待验证Deep CFR用函数逼近器（神经网络）直接学习信息集到策略/遗憾值的映射，由Brown等人在2019年提出69% 相似待验证捷径学习是深度学习中被广泛观察到的现象，模型会利用与标签统计相关但语义无关的特征做预测68% 相似待验证Grinsztajn等人2022年在NeurIPS发表的基准研究证明，在中等规模表格数据集上，GBDT类模型持续优于深度学习方法67% 相似待验证用极小数据子集验证模型能否过拟合是调试深度学习模型的第一步，由 Andrej Karpathy 在《A Recipe for Training Neural Networks》中系统阐述65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1022903API
curl https://kongchang.com/api/v1/knowledge/claims/1022903MCP
get_claim(id=1022903)