待验证50% 置信事实精确时间
在神经网络校正排放清单的应用中，生物源校正的误差降低了2.4–5倍，并且恢复了单次反演会丢失的低温排放信息。
1
来源数
50%
置信度
长期有效
时效性
2026/10/28
首次发现
来源
涉及实体
相关事实
待验证去污染模型在“在已移除数据中”和“不在已移除数据中”两个 HumanEval 子集上都比两次原始数据运行的均值低了约 4 分，说明污染机制不是记忆，而是普遍提升了模型在 HumanEval 风格题目上的表现。70% 相似待验证InfoNCE 损失通过在一批候选中最大化正样本对相似度、最小化负样本对相似度进行训练，温度超参数τ越小分布越集中68% 相似待验证SETAREH在APPA-REAL数据集上使用卷积神经网络进行表观年龄估计，实验表明能用远少于原始向量维度的变换系数-输入对来近似内积，且误差保持在可接受范围内。67% 相似待验证在四组真实空气质量快照数据上，施加非负性约束后，在监测站点最稀疏情况下，基于高斯矩的低于零尾部代理指标降低了74%66% 相似待验证2024年多项研究发现，部分模型在去污染版本的评测集上得分下降幅度可达10-20个百分点66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1105851API
curl https://kongchang.com/api/v1/knowledge/claims/1105851MCP
get_claim(id=1105851)