待验证50% 置信事实精确时间
传统神经网络在组合泛化上表现不佳，往往依赖表面统计规律。
1
来源数
50%
置信度
长期有效
时效性
2026/10/21
首次发现
来源
涉及实体
相关事实
待验证神经网络的一次前向传播是自包含的：只能访问当前上下文，无法查询外部数据库、无法知道未来结果，也无法回忆上一次类似输入是否答对。71% 相似待验证2019年Google发布的SCAN基准和2020年的COGS数据集揭示了神经网络在组合泛化方面的系统性失败70% 相似待验证传统可解释性研究长期默认神经网络内部混乱、冗余、纠缠，研究者需要通过剪枝、消融、拆解神经元等方式将网络改造成人类可读的规则。67% 相似待验证梯度消失是深层神经网络的问题，解法包括更换激活函数（如ReLU替代sigmoid）、使用残差连接或调整网络架构67% 相似待验证规则性网格图案会在CNN卷积层产生高度规律化的激活模式，当边界负样本不足或追求高召回率时可能与违规内容特征产生虚假相似性从而误判66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1082780API
curl https://kongchang.com/api/v1/knowledge/claims/1082780MCP
get_claim(id=1082780)