待验证50% 置信事实精确时间

求解稀疏表示是NP难的L0范数最小化问题，但在满足约束等距性（RIP）的字典下，L1松弛（LASSO）可以精确恢复稀疏解

1

来源数

50%

置信度

长期有效

时效性

2026/7/9

首次发现

来源

块稀疏特征器：揭开视觉模型神经几何的黑箱

hackernewshackernews2026/7/7

相关事实

待验证L1正则化倾向于产生稀疏解（许多参数恰好为零），在特征选择中有用66% 相似待验证分散损失的梯度回传需穿越L2归一化操作，该操作在向量范数趋近零时存在数值不稳定风险，实现中需加入epsilon平滑项（如ε=1e-8）62% 相似待验证L2相较经典LLL在尺寸约简阶段采用懒惰（lazy）策略，只更新必要的μ系数，是复杂度下降的重要原因之一62% 相似待验证LSTM在处理超过500个token的序列时仍然表现不佳，且串行特性使长度为N的序列需要N个时间步才能完成前向传播62% 相似待验证整数规划因引入离散变量而属于NP难问题，通常借助分支定界法求解62% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/322196

API

curl https://kongchang.com/api/v1/knowledge/claims/322196

MCP

get_claim(id=322196)