待验证50% 置信事实精确时间

2017年Guo等人在ICML发表的《On Calibration of Modern Neural Networks》首次大规模实证校准失当现象，发现ResNet等现代深度网络比早期浅层网络校准更差

1

来源数

50%

置信度

长期有效

时效性

2026/7/8

首次发现

来源

元认知反馈：用强化学习让大模型准确表达不确定性

hackernewshackernews2026/7/7

相关事实

已验证ResNet（残差网络）由微软研究院何恺明团队于2015年提出，通过引入残差连接解决了深层网络训练中的梯度消失问题73% 相似待验证深层网络中，传统单一残差连接仍然存在梯度消失问题，导致深层层次学到的有效信息有限70% 相似待验证ResNet（残差网络）通过跳跃连接解决了深层网络的梯度消失问题，能提取层次化视觉特征68% 相似待验证Zhang等人2017年的实验证明标准深度神经网络可以完美记忆随机标签的训练数据，意味着传统基于模型容量的泛化界完全失效68% 相似待验证近年来的理论研究表明，在过参数化的深度网络中，大部分局部极小值的质量接近全局最优，而鞍点才是优化的真正障碍67% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/279890

API

curl https://kongchang.com/api/v1/knowledge/claims/279890

MCP

get_claim(id=279890)