待验证50% 置信事实精确时间
E2AM会标明每个数值是实测还是估算，若GPU未暴露NVML功耗传感器则退回到功率上限×利用率的估算方式
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/7/12
首次发现
有效期至：2026/10/10
来源
E2AM：两行代码量化AI训练能耗与碳排放的开源工具
redditr/deeplearning2026/7/11
相关事实
待验证GPTQ、AWQ等后训练量化方法能够在几乎不损失基准测试分数的情况下将70B参数量级模型部署在消费级GPU上63% 相似待验证为关键任务建立对AI输出质量的持续监控并保留不同版本模型的对比能力有助于及时发现潜在退化问题62% 相似待验证QAOA在当前硬件条件下相对经典优化方法的实质优势尚需更系统的基准测试支撑，R²结果也有待在独立数据集上进一步验证62% 相似待验证系统识别通过测量真实硬件参数来校准仿真模型61% 相似待验证The SM2 algorithm maintains an 'easiness factor' (EF value) for each learning item and dynamically adjusts review intervals based on recall quality scores.60% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/491604API
curl https://kongchang.com/api/v1/knowledge/claims/491604MCP
get_claim(id=491604)