待验证50% 置信事实精确时间
在最高 60% 稀疏度下，模型表现出平滑退化，并在深度剪枝时优于 one-shot 基线方法。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/15
首次发现
有效期至：2027/1/13
来源
你的Transformer其实是弹性的：免重训练动态压缩
rss2026/10/14
涉及实体
相关事实
待验证优化目标是在多个稀疏度目标下同时最小化模型在软剪枝状态下的损失，使模型一次性学会在多种压缩比例下平滑退化。75% 相似待验证在弱模型上few-shot示例的作用会被放大68% 相似待验证在对比实验中若未锁定眼间距与汇聚，更温和的立体设置可能让任何模型的输出显得更稳定，从而掩盖深度估计本身的时间缺陷；因此应随每次导出保存模型版本、输入尺寸、眼间距、汇聚与时间平滑参数。68% 相似待验证600行的精简框架大概率简化或省略了错误处理、边界情况覆盖、多模型适配、性能优化等生产级考量63% 相似待验证当权重分布尾部很厚时，分折靶向更稳；权重温和时，合并靶向因使用全部数据而方差更小，两者并无显著差异。63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1037993API
curl https://kongchang.com/api/v1/knowledge/claims/1037993MCP
get_claim(id=1037993)