待验证50% 置信事实精确时间
空间相关性会降低权重共享的优势：卷积学生的渐近误差随输入空间相关性c增大而上升，而局部连接学生的渐近误差与c无关，且在相同学习率下整体更低。
1
来源数
50%
置信度
长期有效
时效性
2026/10/22
首次发现
来源
涉及实体
相关事实
待验证在相关输入下，强制共享权重可能引入偏差，导致卷积学生即使数据无限多也无法完全恢复教师参数；而局部连接网络因不共享权重，能更灵活地适应数据。74% 相似已验证跨域微调时学习率过大会破坏预训练权重，过小则几乎学不动，需权衡设置67% 相似待验证当目标数据域与源数据域差异悬殊时，预训练权重可能产生负迁移（Negative Transfer），反而干扰目标域的学习66% 相似待验证传统集成学习的有效性依赖基学习器之间的错误相互独立，当错误模式高度相关时集成收益会大幅缩水66% 相似待验证蒸馏过程中步数压缩越激进，学生模型与教师模型之间的分布差距越大，细节损失和画面多样性下降的风险随之增加65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1083912API
curl https://kongchang.com/api/v1/knowledge/claims/1083912MCP
get_claim(id=1083912)