待验证50% 置信事实精确时间

Gunasekar等在2017年在矩阵分解问题上证明梯度下降倾向于收敛到核范数最小的解

1

来源数

50%

置信度

长期有效

时效性

2026/7/12

首次发现

来源

深度学习理论：神经网络为何有效？理论研究全解析

hackernewshackernews2026/7/11

相关事实

待验证更小的模型在长推理链任务上的表现往往指数级下降而非线性退化66% 相似待验证低秩分解与量化压缩维度正交互补，对小矩阵A和B分别量化误差更小，叠加压缩比可达单一方法数倍65% 相似待验证梯度下降在数学上涉及偏微分和链式法则，其直觉本质是一种寻找最低点的「下山」过程65% 相似待验证RNN面临梯度消失问题，序列越长梯度经过的乘法链越长，数值呈指数级缩小64% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/494295

API

curl https://kongchang.com/api/v1/knowledge/claims/494295

MCP

get_claim(id=494295)