待验证50% 置信事实精确时间
ICM假设输入半径固定，但真实训练中每一层的输入激活值半径会随数据分布变化，并非恒定。
1
来源数
50%
置信度
长期有效
时效性
2026/10/16
首次发现
来源
Muon优化器何时最优？径向脆弱性与极小极大几何解析
rss2026/10/15
涉及实体
相关事实
已验证单纯堆砌参数而训练数据不足会导致模型大而不强，参数跃升需配合同步扩大的训练语料与算力才能兑现能力增益69% 相似待验证微调训练过程中需要同时保存模型权重、梯度、优化器状态，显存消耗通常是推理时的 3-4 倍69% 相似待验证缺乏约束的基础prompt会导致模型回退到训练数据中最常见的平均态输出，而个性化深度的prompt可显著提升输出独特性68% 相似待验证模型训练本质上是非确定性的，相同代码和相同数据运行两次可能产生不同权重，使得SLSA高等级要求的构建可复现性在ML场景下难以满足68% 相似待验证SelectPFN 的研究证明了一个负面结果：平均情况下的训练并不能自动转化为固定真值下的频率派保证，因此模型在任意给定数据集上的假发现率控制需要额外机制。68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1046174API
curl https://kongchang.com/api/v1/knowledge/claims/1046174MCP
get_claim(id=1046174)