待验证50% 置信事实精确时间
层归因分析是一种量化网络中每一层对最终输出贡献的技术，常见做法包括基于梯度的归因、激活patching或消融实验。
1
来源数
50%
置信度
长期有效
时效性
2026/10/20
首次发现
来源
涉及实体
相关事实
待验证梯度归因方法（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。71% 相似待验证实验结果表明直接把网络最后的分类层本身当作校准器就能得到既准确又校准良好的模型，且不增加额外参数69% 相似待验证可训练激活函数的核心思路是把激活函数内部的某些参数纳入梯度下降的优化过程，使网络根据数据自动调整激活函数的形状67% 相似待验证AnyInit 的思路是通过数值或结构化分析对任意层自动估计逐层方差比并反推初始化参数，从而绕开对闭式公式的依赖。66% 相似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。66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1073280API
curl https://kongchang.com/api/v1/knowledge/claims/1073280MCP
get_claim(id=1073280)