已验证65% 置信事实精确时间
序列最小优化算法（SMO）由 John Platt 于 1998 年提出，将大规模二次规划问题分解为只涉及两个变量的最小子问题
3
来源数
65%
置信度
长期有效
时效性
2026/7/13
首次发现
来源
AI时代还需要手写机器学习算法吗？答案与方法
redditr/learnmachinelearning2026/7/11
相关事实
待验证SMO的核心思路是将大型优化问题分解为一系列最小子问题，每次仅选取两个参数进行优化并推导出解析解，避免耗时的数值求解78% 相似待验证Prim最小生成树算法（1957年）和Dijkstra最短路径算法（1959年）是贪心思想的早期应用64% 相似待验证base-stock 策略在需求服从独立同分布、提前期固定的假设下可被严格证明是最小化总成本的解析最优解61% 相似待验证蒙特卡洛树搜索这类依赖已执行奖励来排序节点的策略在有限算力预算下只能基于极少且带噪声的分数做决策60% 相似已验证Top-P核采样（Nucleus Sampling）由Holtzman等人于2020年提出，通过动态截取累积概率达到阈值P的最小词汇子集进行采样60% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/498455API
curl https://kongchang.com/api/v1/knowledge/claims/498455MCP
get_claim(id=498455)