待验证50% 置信事实精确时间
LIRA（Loss-Informed Rank Allocation）是一种基于损失扰动的在线秩分配方法，旨在使秩重分配过程逐项可解释。
1
来源数
50%
置信度
长期有效
时效性
2026/11/4
首次发现
来源
涉及实体
相关事实
待验证网络秩（rank）指低秩分解矩阵的中间维度，决定 LoRA 可表达的特征容量；秩过小会限制学习复杂概念的能力，秩过大则增加过拟合风险与适配器体积。62% 相似待验证领域偏移（domain shift）指模型在训练数据分布与部署数据分布不一致时出现的性能衰减。62% 相似待验证交叉熵损失是分类任务中最常用的损失函数，其根源在信息论，相比MSE具有更适合分类问题的梯度特性61% 相似待验证在线情景式表格MDP中，损失函数是对抗性的，环境可以在每轮选择任意损失，且反馈是bandit式的，即只能观测到所选动作的损失。61% 相似待验证对比学习常用的损失函数包括InfoNCE Loss和Triplet Loss60% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1133705API
curl https://kongchang.com/api/v1/knowledge/claims/1133705MCP
get_claim(id=1133705)