待验证50% 置信事实精确时间
线性bandit是多臂bandit问题的推广，其奖励模型为 r_t = ⟨a_t, θ*⟩ + η_t，其中 θ* 是未知参数向量，η_t 是噪声。
1
来源数
50%
置信度
长期有效
时效性
2026/11/3
首次发现
来源
涉及实体
相关事实
待验证遗憾 R_T 定义为 T 轮交互中全局最优点与算法查询点函数值差的累计和，即 R_T = Σ[f(x*) - f(x_t)]66% 相似待验证β_t调度是前向过程中控制加噪节奏的关键超参数，β_t是预先设定、不参与训练的小正数序列，通常从β_1≈1e-4线性或余弦增长到β_T≈0.02。64% 相似待验证在DDPM反向过程中，均值μ_θ的表达式为 μ_θ(x_t, t) = (1/√α_t) · (x_t - (β_t / √(1 - ᾱ_t)) · ε_θ(x_t, t))，其中ε_θ是需训练的神经网络。62% 相似待验证尖峰Wigner模型是随机矩阵理论中的经典框架：观测矩阵可写为 Y = λ x x^T + W，其中 x 是待估的低秩信号向量，W 是实对称的Wigner噪声矩阵（上三角元素独立同分布、均值为零、方差为 1/n），λ 控制信噪比。62% 相似待验证扩散模型训练目标通常是预测噪声ε或速度场v，带噪输入可表示为x_t = α_t·x_0 + σ_t·ε61% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1128916API
curl https://kongchang.com/api/v1/knowledge/claims/1128916MCP
get_claim(id=1128916)