待验证50% 置信事实精确时间
标准贝叶斯优化采集函数（如GP-UCB、EI、Thompson采样）的设计目标几乎都是最小化累积遗憾，因此天然偏向利用而非探索。
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
待验证内核优化需要在计算与访存之间精细权衡，处理不当会大幅降低GPU利用率69% 相似待验证处理异方差的策略包括加权最小二乘法（WLS）、稳健标准误（Huber-White），或在深度学习中让模型同时输出均值和方差69% 相似待验证通过'不要按常规套路'这样的约束性提示词，本质上是在调整模型的采样分布，降低高频方案的输出权重，迫使模型探索低概率但可能更具创新性的输出区域68% 相似待验证低精度方案的实际收益高度依赖具体模型形状，落地时需针对自身工作负载做实测验证而非直接套用峰值数字68% 相似已验证ANN 算法（如 HNSW、IVF-PQ）以牺牲极小精度换取数量级的检索速度提升，是生产级向量检索标准选择68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1023520API
curl https://kongchang.com/api/v1/knowledge/claims/1023520MCP
get_claim(id=1023520)