待验证50% 置信事实精确时间
论文《Mesoscopic learning dynamics of extensive-width neural networks》研究两层神经网络学习由相同架构网络表示的目标函数，其中网络宽度和输入维度成比例增长。
1
来源数
50%
置信度
长期有效
时效性
2026/10/19
首次发现
来源
涉及实体
相关事实
待验证当需要表征的特征数量远超可用神经元数量时，网络会利用高维空间中近似正交向量数量远超维度数量的特性（Johnson-Lindenstrauss引理）将多个特征叠加压缩编码到同一组神经元上70% 相似待验证由于Gradland居民本身是神经网络，该理论与深度学习模型天然相容69% 相似待验证2014 年 Yosinski 等人在论文《How transferable are features in deep neural networks?》中证明网络浅层学习的特征具有极高通用性，而深层特征逐渐变得任务特定69% 相似待验证学习DeepAgents需要重点补齐LangGraph的状态流转和分支控制机制，以及子智能体的创建与调度模式。68% 相似待验证现代深度学习框架PyTorch和TensorFlow将神经网络表示为计算图，通过自动微分（Autograd）逆向计算梯度67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1064963API
curl https://kongchang.com/api/v1/knowledge/claims/1064963MCP
get_claim(id=1064963)