待验证50% 置信事实精确时间
SelectPFN 的相关研究表征了检测一个变量所需的信息量随该变量对应结构的先验权重 ω 增长，其增长速率约为 (2/λ)log(1/ω)，其中 λ≤1 为效率因子。
1
来源数
50%
置信度
长期有效
时效性
2026/10/16
首次发现
来源
SelectPFN：一次前向传播完成贝叶斯变量选择的稀疏非线性回归新方法
rss2026/10/15
涉及实体
相关事实
待验证对于平衡目标（长度为偶数n、恰好含n/2个1的二进制串上的均匀分布），按调度平均散度衡量所需最少期望轮数为Θ_ε((log n)^2)64% 相似待验证当预算和时间线计算交由外部可靠流程而非模型自行推断时，廉价模型上准确率提升高达42个百分点，强模型上仅提升2到5个百分点62% 相似待验证在非参数密度估计中，达到ε精度所需的样本量随环境维度D呈ε^(-D)级别增长62% 相似待验证mAP 是在多个 IoU 阈值或多个类别上取平均的指标，更能反映模型在不同精度要求下的整体表现。61% 相似待验证2020年Kaplan等人的Scaling Law拟合得出参数增长应快于数据，比例约为2.7:161% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1042165API
curl https://kongchang.com/api/v1/knowledge/claims/1042165MCP
get_claim(id=1042165)