待验证50% 置信事实精确时间
在深度学习中，参数以张量形式存储于显存或磁盘，读取意味着加载与解析，写入则涉及格式、精度与一致性约束，且往往需要与计算图、优化器状态协同。
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
待验证泛化到真实、未见数据集的能力是检验表格深度学习方法价值的关键标准71% 相似待验证当前主流深度学习架构（包括Transformer、卷积神经网络）继承了信息处理范式的核心假设：信息可编码为数值向量、层级化变换、在明确位置读写70% 相似待验证模型权重是深度学习模型训练完成后保存下来的参数集合，通常以大规模矩阵或张量的形式存储。68% 相似待验证经典深度学习解释方法（如Integrated Gradients、SHAP、Grad-CAM）大多依赖近似，通过梯度或采样估计特征重要性，计算成本高且结果受基线选择影响。66% 相似待验证深度阅读是指读者在长时间、无干扰的状态下，对复杂文本进行沉浸式、批判性理解的过程，涉及工作记忆、推理、共情和反思等多个脑区的协同激活。66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1131488API
curl https://kongchang.com/api/v1/knowledge/claims/1131488MCP
get_claim(id=1131488)