待验证50% 置信基准精确时间
在SDFT设置下基于Qwen2.5-7B-Instruct，Muon-RT相比带动量的Muon平均准确率提升5.4个百分点，持久内存减少27%。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/11/2
首次发现
有效期至：2027/1/31
来源
涉及实体
相关事实
待验证在NinaPro DB1数据集上，经验回放在类增量漂移场景下达到83.3%的最终准确率，并将遗忘导致的准确率下降限制在1.8%–5.8%之间。69% 相似待验证越激进的量化速度越快、内存占用越小但精度更低，IQ3_XXS精度更高但需接近47GB内存且推理更慢66% 相似待验证固定精度的来源估计随着持续性 l 趋于消失需要 Θ(l⁻⁴) 条记录66% 相似待验证Swift-Qwen3.8-27B 通过后训练手段将思考 token 削减 58.3%、推理速度提升 1.95 倍，同时准确率损失控制在 1% 以内65% 相似待验证将CACPU集成到SGLang推理框架后，Llama-3.1-8B的首Token延迟（TTFT）最高降低1.74倍，同时保持模型精度不变。64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1125156API
curl https://kongchang.com/api/v1/knowledge/claims/1125156MCP
get_claim(id=1125156)