待验证50% 置信事实精确时间

损失函数中 tanh(β·E1·E2) 取 β=10，当 β 足够大时将乘积符号信息锐化为接近 ±1 的值

1

来源数

50%

置信度

长期有效

时效性

2026/7/10

首次发现

来源

IMGNet：符号模式匹配挑战余弦相似度的人脸验证新方法

redditr/deeplearning2026/7/9

相关事实

待验证梯度下降通过迭代公式 θ = θ - α∇J(θ) 更新参数，其中α是学习率，∇J(θ)是损失函数对参数的偏导数向量65% 相似待验证4-bit量化在损失约1-3%准确率的前提下，将模型体积缩减至原来的1/865% 相似待验证梯度下降更新规则为 v → v − η∇C，由于 η>0 且 ‖∇C‖²≥0，保证每次更新降低代价 ΔC ≤ 063% 相似待验证傅里叶衰减速率β与集合Hausdorff维数满足β ≤ dim_H，但等号不一定成立62% 相似待验证均匀量化引入的误差近似服从均匀分布，其方差为Δ²/12（Δ为量化步长）62% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/454828

API

curl https://kongchang.com/api/v1/knowledge/claims/454828

MCP

get_claim(id=454828)