待验证50% 置信事实精确时间

Spatial-TRM 模型仅有 1120 万可训练参数。

1

来源数

50%

置信度

长期有效

时效性

2026/10/19

首次发现

来源

Spatial-TRM：递归推理如何提升空间上下文预测精度44%

rss2026/10/16

涉及实体

Spatial-TRMmodel

相关事实

待验证对于5600张图像的小数据集，从零训练标准DETR几乎注定失败，推荐加载COCO预训练权重进行微调63% 相似待验证里夫和卡比尔变体子集规模极小，对训练覆盖全部变体的模型而言是明显短板62% 相似待验证AVALON 的部署条件仅需一张平面图、若干地点线索以及一次初始的拓扑-里程计对齐，无需预先现场遍历或针对场地的模型训练。62% 相似待验证QIC-117等冷门老协议在大模型训练集中几乎是空白地带，训练语料极度匮乏61% 相似待验证该模型在训练过程中没有使用任何预训练权重61% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1068931

API

curl https://kongchang.com/api/v1/knowledge/claims/1068931

MCP

get_claim(id=1068931)