待验证50% 置信事实精确时间
交叉拟合是一种用于消除过拟合偏差的样本分割技术，基本流程是将数据随机分为K个折，对于每一折使用其余K-1折的数据训练模型，再在保留折上计算预测或估计量。
1
来源数
50%
置信度
长期有效
时效性
2026/10/16
首次发现
来源
模型无关变量选择新方法MAS：无需协变量分布假设的FDR控制
rss2026/10/15
涉及实体
相关事实
待验证混合策略是先用公开数据集完成原型与基线模型，再针对性自采边缘场景数据做增量训练，最后在真实部署环境持续收集难样本迭代66% 相似待验证该框架在训练时采用流匹配模型学习相邻轴向切片三元组的联合分布66% 相似待验证固定点分数匹配的迭代循环为：从当前模型生成终端样本存入回放缓冲区，计算这些样本处的能量梯度，然后用标准分数匹配和流匹配损失进行监督学习，更新模型后重复。64% 相似待验证k划分探测机制将已提交token位置随机划分为k个互不重叠子集，每次将一个子集重新掩码并做一次前向推理64% 相似待验证K-Means聚类算法在标准实现中天然依赖欧氏距离，每一步计算样本点到聚类中心的欧氏距离并分配类别64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1046180API
curl https://kongchang.com/api/v1/knowledge/claims/1046180MCP
get_claim(id=1046180)