待验证50% 置信事实精确时间
时序图神经网络（TGNN）通过从演化交互（事件）中更新节点记忆，并利用这些记忆进行下游预测。
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
待验证在TGNN训练中，根事件是被选为预测目标的事件，模型需要基于其之前的节点记忆预测该事件的发生；支持事件是为预测根事件而回溯采样的历史事件，提供上下文并参与节点记忆更新。76% 相似待验证LSTM等循环神经网络通过隐状态向量和细胞状态在时间步之间显式传递信息，天然具备序列记忆能力，但无法在序列维度上并行70% 相似待验证构建动态演化的代码知识图谱需要结合图神经网络（GNN）、时序分析和因果推断等多种AI技术69% 相似待验证每token生成时间（TPOT）衡量模型在自回归解码阶段逐个生成token的速度69% 相似待验证神经细胞自动机将传统元胞自动机的更新规则替换为可训练的神经网络，使格子状态的演化方式能从数据中习得68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1074660API
curl https://kongchang.com/api/v1/knowledge/claims/1074660MCP
get_claim(id=1074660)