待验证50% 置信事实精确时间
论文给出了在训练过程中估计奖励相关矩阵 Σ 所引入误差的一个宽松上界。
1
来源数
50%
置信度
长期有效
时效性
2026/11/3
首次发现
来源
WAS-PO：用白化优势解决多奖励强化学习的相关性陷阱
rss2026/11/2
涉及实体
相关事实
已验证朴素训练后量化会导致单个权重误差在多层网络中累积放大，即复合误差，在2位或1位精度下模型结构会崩溃71% 相似待验证在稠密检索中，批内负样本训练要求批次包含有信息量的负样本，随机采样会导致训练损失快速收敛但泛化性能差71% 相似待验证误差界分解为两项：第一项(m∧n)^(-1)反映有限预训练的精度，第二项N^(-1)反映新上下文的定位能力71% 相似已验证偶发性故障的内存条可能交替产生正确和错误的计算结果，导致神经网络训练中梯度计算偶发性偏差，影响模型收敛性且不触发硬件告警71% 相似待验证该研究从理论上推导出：当编码器将同一状态下不同动作的可区分结果以及不同外观合并时，平方逆预测误差存在一个正的下界。70% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1130534API
curl https://kongchang.com/api/v1/knowledge/claims/1130534MCP
get_claim(id=1130534)