待验证50% 置信事实精确时间
此前学界普遍认为局部算法（如马尔可夫链）在张量PCA中表现远逊于全局算法，仅知道在随机初始化下需要多项式级更高的信噪比才能成功。
1
来源数
50%
置信度
长期有效
时效性
2026/10/30
首次发现
来源
涉及实体
相关事实
待验证张量PCA存在信息-计算鸿沟：当信噪比高于算法阈值时，谱方法和平方和等全局算法可在多项式时间内成功恢复；低于该阈值时，针对这些算法及某些受限计算模型的下界表明它们必然失败。74% 相似待验证过参数化网络虽然容量足以记住随机标签，但梯度下降的隐式正则化偏向于先学习简单、一致的规律。72% 相似待验证研究引入迹范数（trace-norm）正则化，并证明在产生相同观测输出的所有矩阵中，优化器会倾向于选择低秩矩阵。71% 相似待验证对无限维泛函梯度做朴素的近似会导致算法收敛到错误的位置，引入系统性偏差70% 相似待验证当系统某一环节已具备随机性时，在其上叠加概率性组件会指数级放大调试难度67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1114781API
curl https://kongchang.com/api/v1/knowledge/claims/1114781MCP
get_claim(id=1114781)