待验证50% 置信事实精确时间

回归任务中的均方误差（MSE）对应的是在高斯噪声假设下的最大似然估计

1

来源数

50%

置信度

长期有效

时效性

2026/7/13

首次发现

来源

机器学习数学基础学习路线：四大核心板块与资源推荐

相关事实

已验证模型的泛化误差等于偏差平方加方差加不可约噪声70% 相似待验证批次归一化层在小批次场景下统计量估计噪声很大，与Dice损失的区域级计算特性叠加会放大预测概率分布的波动69% 相似待验证扩散模型的迭代去噪过程对数值误差敏感，每步的微小误差会累积并影响最终图像，采样步数越多量化误差影响越大67% 相似待验证研究表明在干净测试集上得分相近的两个模型面对带噪声真实输入时性能差距可能扩大数倍65% 相似待验证扩散模型的推理是迭代去噪过程，通常需要数十甚至数百个时间步，对数值误差格外敏感63% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/502909

API

curl https://kongchang.com/api/v1/knowledge/claims/502909

MCP

get_claim(id=502909)