待验证50% 置信事实精确时间
在TGNN中，每个事件会更新节点记忆，后续事件依赖前序事件更新后的记忆，导致训练难以并行化。
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
待验证更新参数记忆需要微调或持续预训练，两者都需要额外的训练流程和计算资源70% 相似待验证经验回放将交互经验存入固定大小缓冲区并随机采样小批量训练，打破连续经验的时间相关性，使神经网络训练更稳定69% 相似待验证测试时训练（TTT）与常规训练的关键区别在于更新发生的时机：模型在推理阶段针对当前输入临时调整参数，而不是在固定数据集上预先训练。68% 相似待验证Event2Vec 训练是自监督的，无需人工标签，目标为下一事件预测，并加入重建项要求 h_t - h_{t-1} 能还原 e_{x_t}。68% 相似待验证在视觉对齐训练阶段冻结LLM主干参数、分阶段训练、数据配比回放和LoRA等方法可缓解多模态训练中的灾难性遗忘问题68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1074661API
curl https://kongchang.com/api/v1/knowledge/claims/1074661MCP
get_claim(id=1074661)