待验证50% 置信事实精确时间
MEMIT在ROME基础上扩展，支持同时编辑数千条事实，将更新分散到多个Transformer层以降低单层负担
1
来源数
50%
置信度
长期有效
时效性
2026/7/7
首次发现
来源
反向微调实验：AI如何被训练相信东京不是日本首都
hackernewshackernews2026/7/5
相关事实
待验证MEMIT（Mass-Editing Memory In a Transformer）在 ROME 基础上引入梯度分散策略，支持同时编辑数千条事实，将更新负担均摊至多个 Transformer 层85% 相似待验证相比RNN/LSTM架构，Transformer支持大规模并行计算61% 相似待验证DiT 架构用 Transformer 替代传统 U-Net 作为扩散模型骨干网络，能在 Patch 级别捕捉跨帧长程依赖关系60% 相似待验证meshoptimizer 提供索引重排算法以最大化 GPU 顶点缓存复用率，并包含 overdraw 优化算法减少像素重复着色59% 相似待验证DiT（Diffusion Transformer）架构的参数量已达数十亿级别，单次推理的中间激活值在高分辨率下可占满80GB A100的全部显存58% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/177045API
curl https://kongchang.com/api/v1/knowledge/claims/177045MCP
get_claim(id=177045)