待验证50% 置信事实精确时间

特征值的衰减速率直接决定了RKHS的光滑性与泛化误差界：衰减越快，函数空间越“小”，模型越倾向于学习光滑函数。

1

来源数

50%

置信度

长期有效

时效性

2026/10/27

首次发现

来源

正交群下微分神经正切核的对称性研究

rss2026/10/25

涉及实体

RKHSconcept eigenvalue decayconcept

相关事实

待验证秩r的选取是精度与效率的权衡，r越小压缩率越高但近似误差越大76% 相似待验证谱截断误差的大小由函数的Sobolev光滑度和截断阶数共同决定，越光滑的函数高频衰减越快、截断误差越小73% 相似待验证在局部二次模型下，更大的batch意味着更少但更长的更新步，每一步在曲率上的损失更大，导致存在一个依赖学习率的临界批大小，超过该阈值后样本效率下降。72% 相似待验证梯度下降的收敛条件与学习率和损失函数的Lipschitz常数的关系有关72% 相似待验证低精度引入的数值扰动会在RL的多轮迭代中通过策略梯度的乘积形式被放大，可能导致训练崩溃或模型性能退化72% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1102477

API

curl https://kongchang.com/api/v1/knowledge/claims/1102477

MCP

get_claim(id=1102477)