待验证50% 置信事实精确时间
传统机器学习势函数和图神经网络通常针对特定任务训练，泛化能力有限，且对训练分布之外的结构外推能力有限。
1
来源数
50%
置信度
长期有效
时效性
2026/10/18
首次发现
来源
涉及实体
相关事实
待验证多层神经网络的损失曲面充满局部极小值和鞍点，训练需要动量、自适应学习率、正则化、批归一化等优化技巧76% 相似待验证传统机器人控制依赖强化学习或预设程序，需针对每个具体任务单独训练，泛化能力极差76% 相似待验证元学习路线的零样本能力本质上受限于训练时系统分布的覆盖范围，而结构先验路线在先验假设成立的系统类别上具有更强的外推性74% 相似待验证预训练分类器通常面向固定的类别体系，面对全新领域或高度细分的任务时可能需要微调甚至重新训练，无法替代大模型在复杂语义理解和生成上的能力73% 相似待验证Skill本质上是通过模拟少样本学习效果，在不修改模型权重的前提下，通过提示模板约束模型的输出分布73% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1058157API
curl https://kongchang.com/api/v1/knowledge/claims/1058157MCP
get_claim(id=1058157)