待验证50% 置信事实精确时间
梯度归因方法（gradient-based attribution）利用神经网络输出对输入特征的梯度（∂输出/∂输入）来衡量每个输入维度对决策的贡献。
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
待验证决策头是模型主干网络之外的附加输出层，通常接收主干提取的特征向量，输出一个判断结果或分数。69% 相似待验证神经网络的输入是编码后的9维棋盘状态向量，输出是9个格子最佳落子位置的概率分布，通过交叉熵等分类损失学习66% 相似已验证神经网络中每一层的输出可以表示为 f(Wx + b)，其中 f 是激活函数，W 是权重矩阵，b 是偏置向量，x 是输入向量65% 相似待验证研究通过Picard迭代分析温和解发现，输入函数的导数会显式出现在解算子中，为提供导数特征作为网络输入提供了理论依据。65% 相似待验证在爬山优化框架下，评估偏差会被系统性地放大，因为模型迭代方向完全由评估信号决定65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1063418API
curl https://kongchang.com/api/v1/knowledge/claims/1063418MCP
get_claim(id=1063418)