待验证50% 置信事实精确时间

Xavier初始化适用于Sigmoid或Tanh等饱和激活函数，根据输入输出维度调整方差范围

1

来源数

50%

置信度

长期有效

时效性

2026/7/14

首次发现

来源

McNemar检验对比机器学习模型：随机种子下的正确用法

redditr/learnmachinelearning2026/7/11

相关事实

待验证函数调用能力需要模型经过专项的指令微调（Instruction Fine-tuning）才能稳定输出合规的调用格式56% 相似待验证贝叶斯优化利用高斯过程建模目标函数进行超参数调优56% 相似已验证混合专家架构MoE通过稀疏激活机制，推理时只激活模型总参数的1/8至1/455% 相似待验证可说明性（Explainability）催生了LIME、SHAP等事后归因方法，面向外部用户回答为什么模型给出该输出55% 相似待验证贝叶斯定理在朴素贝叶斯分类器、贝叶斯神经网络、变分自编码器（VAE）和扩散模型中都有直接应用54% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/503386

API

curl https://kongchang.com/api/v1/knowledge/claims/503386

MCP

get_claim(id=503386)