待验证50% 置信事实精确时间
VIDRAFT在NPU上实现的反向传播是标准反向模式梯度计算，不是无梯度替代方案，但技术机制未公开。
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
待验证该项目并未采用脉冲机制，仍在标准的反向传播/权重更新框架内运行，因此与硬件层面的神经形态计算有所区别68% 相似待验证VIDRAFT在一款推理专用NPU上完成了完整的反向传播，从零预训练了一个语言模型，并发布为VKORE-46M-NPU。66% 相似已验证反向传播本质上是一种高效计算梯度的动态规划算法，通过从输出层到输入层逐层传递误差信号并复用中间计算结果来降低梯度计算复杂度66% 相似已验证神经网络的反向传播算法是链式法则的直接应用，梯度下降依赖微积分中的偏导数概念63% 相似待验证Normalizing Trajectory Models（NTM）将反向过程中的每一步建模为富有表达力的条件归一化流，而非高斯去噪63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1032398API
curl https://kongchang.com/api/v1/knowledge/claims/1032398MCP
get_claim(id=1032398)