待验证50% 置信事实精确时间

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，为L1正则化提供理论保证

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

已验证从贝叶斯视角理解，L1正则化对应参数的拉普拉斯先验，L2正则化对应高斯先验68% 相似已验证正则化中常见的L1（Lasso）和L2（Ridge）通过在损失函数中加入惩罚项来约束模型复杂度以防止过拟合64% 相似待验证L1正则化（Lasso）会产生稀疏解，具有自动特征选择的效果，适合高维稀疏数据62% 相似待验证当特征向量被L2归一化后，余弦相似度等价于点积运算59% 相似待验证RL对pass@1的提升而不影响pass@k，本质上是在压缩模型的输出分布使其更集中在正确答案附近，即分布锐化58% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/349288

API

curl https://kongchang.com/api/v1/knowledge/claims/349288

MCP

get_claim(id=349288)