待验证50% 置信事实精确时间
Cepheid 将残差结构从物理尺度中解耦，学习无量纲先验，通过可观测量估计振幅，并用仅在训练源上拟合的轻量校正来调整，实现跨族运动补全。
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
待验证欧拉框架下每个训练信号衡量相邻两帧之间的运动，位移较小可稳定落在光流估计器可靠工作区间内，从而约束监督误差不随序列长度累积放大69% 相似待验证该研究提出了一套可以在训练之前就计算出来的重构失真下限（distortion bound）68% 相似待验证现代训练框架采用混合精度训练和梯度缩放（loss scaling）技术，通过放大小梯度到可表示范围来避免小数被吞没68% 相似待验证O'Brien 等人同期研究发现，当使用中期训练教模型在指定上下文内失准行为可接受（用生造词 <quarantine_token> 标记），并用符合该格式的 SFT/RL 训练数据时，失准泛化可以降低，但没有超过接种提示的效果。66% 相似待验证应用层越狱防御必须同时依赖训练阶段的鲁棒性提升和推理阶段的动态监测，单一维度加固效果有限66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1027400API
curl https://kongchang.com/api/v1/knowledge/claims/1027400MCP
get_claim(id=1027400)