待验证50% 置信观点精确时间

观测表征重组需要能够跨训练阶段对齐表征空间的度量工具，Bures几何等内蕴度量相较于逐神经元比较具有优势。

1

来源数

50%

置信度

长期有效

时效性

2026/10/27

首次发现

来源

表征形成的几何学：Bures轨迹揭示神经网络学习新维度

rss2026/10/25

涉及实体

Bures几何concept 表征重组concept

相关事实

待验证神经扩展框架将关注点从参数空间转移到输入空间的几何结构，提出训练过程会导致输入空间中“方向选择性射线覆盖”的逐步扩展，从而在训练样本周围形成稳定的预测区域。78% 相似待验证该研究展示了表征感知的优化方法可以主动塑造训练轨迹，表明形成几何不仅是可测量的，而且是可操作的。75% 相似待验证多层神经网络的损失曲面充满局部极小值和鞍点，训练需要动量、自适应学习率、正则化、批归一化等优化技巧72% 相似待验证与纯RAG相比，神经符号路径工程复杂度更高，需要在知识采集阶段投入大量精力对专家经验进行结构化整理，但换来更强的泛化能力71% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1102438

API

curl https://kongchang.com/api/v1/knowledge/claims/1102438

MCP

get_claim(id=1102438)