待验证50% 置信事实精确时间
Collapse模型的状态更新公式为 h ← h − strength · (1 − cos(h, W)) · normalize(h − W)
1
来源数
50%
置信度
长期有效
时效性
2026/7/12
首次发现
来源
无需MLP与注意力机制：点吸引子动力学如何学习词嵌入
redditr/learnmachinelearning2026/7/10
相关事实
待验证BatchNorm在推理时可以直接折叠进卷积的权重和偏置中，折叠后新权重 W' = γW/√(σ²+ε)，新偏置 b' = γ(b-μ)/√(σ²+ε) + β60% 相似待验证Collapse模型中每个token向量同时扮演词表示、点吸引子和几何读出三重角色，无额外解码器或输出矩阵60% 相似待验证扩散模型的前向扩散过程可用马尔可夫链描述：q(x_t|x_{t-1}) = N(x_t; √(1-β_t)x_{t-1}, β_tI)59% 相似待验证模式坍缩是生成模型领域的经典难题，指模型对同一开放性问题反复给出高度雷同的答案58% 相似待验证Collapse/noun-collapse模型完全不使用MLP、Transformer、注意力层或独立输出矩阵，仅用点吸引子动力学系统学习词嵌入54% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/491358API
curl https://kongchang.com/api/v1/knowledge/claims/491358MCP
get_claim(id=491358)