待验证50% 置信事实精确时间
PMTR 通过偏模态张量协方差筛选出与响应模态最相关的模式方向,把有效参数数量从指数级降到各模式维度之和的量级。
1
来源数
50%
置信度
长期有效
时效性
2026/10/27
首次发现
来源
偏模态张量回归:高维张量数据稳健建模新方法
rss2026/10/25
涉及实体
相关事实
待验证偏模态张量回归(PMTR)是一种用于高维张量数据回归的稳健建模方法,其核心是两步:先构造偏模态张量协方差进行有监督降维,再在降维后的张量空间中建立模态张量回归模型。73% 相似待验证共轭矩量测度提出用同一个凸势函数W同时刻画采样分布与传输映射,为生成建模提供了与主流扩散模型不同的路径65% 相似待验证自动微分分为前向模式(从输入向输出传播导数,适合输入维度远小于输出维度)和反向模式(从输出向输入反向传播梯度,适合输出维度远小于输入维度)65% 相似待验证节点同时做LLM调用和路由判断会导致对同一数据的重复评估或每步多次调用LLM,拖垮Token消耗65% 相似待验证静态量化对某些类型的张量做固定的量化等级选择,动态量化则为每个检查点尺寸下的每个张量做差异化选择64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1102405API
curl https://kongchang.com/api/v1/knowledge/claims/1102405MCP
get_claim(id=1102405)