待验证50% 置信事实精确时间

微调通过反向传播算法在预训练权重基础上继续更新参数，全量微调计算成本极高

1

来源数

50%

置信度

长期有效

时效性

2026/7/10

首次发现

来源

提示词工程入门：从认知到落地的完整指南

bilibili大模型全栈开发2026/7/3

相关事实

待验证梯度累积通过在多个小批次上累积梯度后再执行一次参数更新，效果等同于使用大批次训练72% 相似待验证在收敛型任务上，模型达到一定规模后存在明显的性能饱和现象，参数量或训练数据的继续增加对准确率的边际贡献快速衰减70% 相似待验证QAT让模型在训练期间持续暴露于量化噪声，在极端压缩场景下远优于PTQ，代价是显著更高的训练计算开销68% 相似待验证大型语言模型的推理成本持续下降，但训练成本呈指数级增长67% 相似待验证推理时计算的扩展虽能提升单次输出质量，但成本以超线性方式增长，大规模部署往往难以经济可行66% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/415297

API

curl https://kongchang.com/api/v1/knowledge/claims/415297

MCP

get_claim(id=415297)