待验证50% 置信事实精确时间
该研究通过可控的方程求解框架（给定非双射字符串函数 f，要求模型找到多个输入 x 使得 f(x)=y）来分析RLVR的泛化失败。
1
来源数
50%
置信度
长期有效
时效性
2026/11/3
首次发现
来源
RLVR泛化困境：推理策略为何在OOD下失效
rss2026/11/2
涉及实体
相关事实
待验证在scikit-learn的线性回归代码中，model.fit(X, y)执行拟合过程，model.coef_返回学到的斜率参数。68% 相似待验证伴随灵敏度分析通过引入伴随变量，只需额外求解一次反向方程组即可同时获得目标函数对所有参数的梯度信息，相比正向灵敏度分析在高维模型中具有显著计算优势68% 相似已验证单变量线性回归模型可表示为 y = w * x + b，其中w是权重（斜率），b是偏置（截距）68% 相似待验证该研究直接推导出了高斯BROJA优化问题的闭式解，无需数值迭代即可通过解析表达式计算结果67% 相似待验证该最新理论研究通过将网络输出在正交多项式基下展开为广义傅里叶级数（GFS），并把梯度下降对系数的演化写成常微分方程组，构造出可解析分析的动力学矩阵H。65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1130326API
curl https://kongchang.com/api/v1/knowledge/claims/1130326MCP
get_claim(id=1130326)