待验证50% 置信事实精确时间
受控的次序统计量基线（覆盖有界分布、轻尾分布和重尾分布）能在很大程度上复现观察到的对数线性几何，但无法解释训练后斜率 α 的显著偏移。
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
待验证标准反向传播本质上是梯度下降的离散迭代，当学习率看作无穷小时间步长时，该离散过程收敛为梯度流常微分方程 dθ/dt = −∇L(θ)72% 相似待验证该近似误差与模型容量无关，即便用无限数据训练出完美的边缘分布预测器，并行写入存在依赖的多个位置时乘积近似仍必然偏离联合分布70% 相似待验证degree参数只对poly核有效，gamma对linear核是无效参数，对这些组合遍历会产生无意义的重复训练69% 相似待验证Wasserstein距离即使在两个分布完全不重叠时也能提供有意义的梯度信号，缓解原始GAN训练中的模式崩溃和梯度消失问题69% 相似待验证低精度引入的数值扰动会在RL的多轮迭代中通过策略梯度的乘积形式被放大，可能导致训练崩溃或模型性能退化68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1023595API
curl https://kongchang.com/api/v1/knowledge/claims/1023595MCP
get_claim(id=1023595)