待验证50% 置信事实精确时间
业界常用MFU（Model FLOPs Utilization）或集群级有效训练时间占比来衡量有效算力。
1
来源数
50%
置信度
长期有效
时效性
2026/10/26
首次发现
来源
涉及实体
相关事实
待验证评估后训练效率方法时，应同时报告wall-clock时间、总FLOPs与峰值显存，否则‘效率提升’的结论容易在不同口径间被放大。74% 相似待验证Executive Order 14110以训练所用浮点运算量（FLOPs）作为触发审查义务的量化阈值，超过10²⁶次FLOPs训练量的模型即需强制报备72% 相似待验证美国AI监管以模型训练算力阈值（以FLOP为单位）作为触发强制报备义务的量化指标69% 相似待验证选择性循环此前在MDLM中被证明能在等FLOP预算下提升训练效率，具体做法是在每个去噪步骤中递归应用少数几个早期Transformer层。69% 相似待验证触发式重训（基于性能衰减监控和数据漂移检测）可替代定时全量重训，把计算资源精准投放在真正需要的地方68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1099957API
curl https://kongchang.com/api/v1/knowledge/claims/1099957MCP
get_claim(id=1099957)