待验证50% 置信事实精确时间
HotPOT在未见物理条件下的零样本预测上表现出性能增益，表明其学到了可迁移的数值-物理表征而非对训练方程族的过拟合。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/30
首次发现
有效期至：2027/1/28
来源
涉及实体
相关事实
待验证零样本泛化指模型在未经过任何目标数据集训练或微调的情况下，直接迁移到新数据集上仍能保持可用性能。67% 相似待验证HotPOT将方程已知的数值结构作为不可训练的固定组件嵌入专家，让可学习部分专注于数值更新无法直接给出的量，这是一条不同于堆参数、堆数据的预训练改进路径。67% 相似待验证测试时能力迁移不需要重新训练模型；强模型构建脚手架，弱模型直接运行，全程不涉及权重更新。67% 相似待验证研究通过受控的从零训练实验分离出长跳跃连接（LSC）是影响DiT特征质量的核心因素66% 相似待验证与扩散模型相比，流匹配训练目标更直接、轨迹更笔直，理论上可用更少采样步数（NFE）获得高质量结果66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1114832API
curl https://kongchang.com/api/v1/knowledge/claims/1114832MCP
get_claim(id=1114832)