待验证50% 置信事实精确时间
FlowGenesis 提出“表示通量”（Representation Flux）作为局部统计量，用于捕捉小批量数据上神经元平均激活的变化。
1
来源数
50%
置信度
长期有效
时效性
2026/10/27
首次发现
来源
涉及实体
相关事实
待验证在图像和文本分类任务上的实验显示，即使网络初始规模不同，经过 FlowGenesis 调整后，同一数据集上的最终神经元数量范围趋于接近，同时预测性能保持可比。71% 相似待验证液态神经网络的核心思想是让神经元的时间常数随输入数据动态变化，使网络处理时序信号时具备自适应调节能力67% 相似待验证前向传播是神经网络从输入层到输出层完整计算一次的过程；自回归语言模型生成N个token需N次前向传播，延迟随输出长度线性增长；分类器式模型只需一次前向传播。66% 相似待验证FlowGenesis 被扩展到持续学习场景，在任务增量学习设置下，表示引导的结构适应能够减少后续任务分配的神经元和参数数量，同时保持与固定宽度渐进神经网络相当的准确率。64% 相似待验证扩散模型和流匹配通过训练神经网络将采样成本一次性消化在训练中，推理时只需前向传播63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1102227API
curl https://kongchang.com/api/v1/knowledge/claims/1102227MCP
get_claim(id=1102227)