待验证50% 置信观点精确时间
REPA与RECON的区别在于：REPA是损失层面的软约束（让骨干特征拟合编码器特征），RECON是输入层面的硬信息（将编码器特征直接作为输入喂给骨干）。
1
来源数
50%
置信度
长期有效
时效性
2026/10/15
首次发现
来源
RECON：让扩散Transformer训练提速63倍的表示条件化方法
rss2026/10/14
涉及实体
相关事实
待验证REPA的对齐损失仅作用于前层，后层仅由速度预测损失监督，缺乏语义信息传递机制，这是REPA的结构性缺陷。72% 相似待验证「重新基准化」（rebasing）指当报告因 stale 重建时，每个假设的基准值被更新为当前实时值，下一次比较以此为起点。这避免了误差累积，代价是失去长期漂移的全局视图。60% 相似待验证应对梯度消失的常见方案包括使用ReLU及其变体替代sigmoid、批归一化以及残差连接（ResNet核心思想）60% 相似待验证Rerank（重排序）是RAG多路召回后的精排环节，用于对候选文档与问题的相关性进行更精细的打分。59% 相似待验证Rebuttal能提分但作用有限，其核心价值在于澄清审稿人误解、补充实验数据和修复可复现性分歧57% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1037873API
curl https://kongchang.com/api/v1/knowledge/claims/1037873MCP
get_claim(id=1037873)