待验证50% 置信事实精确时间

研究团队证明学习分布与真实分布之间的总变差距离可分解为初始化误差、Score误差和求解器离散化误差三项

1

来源数

50%

置信度

长期有效

时效性

2026/7/15

首次发现

来源

扩散模型高阶ODE求解器收敛性分析：误差界与快速采样理论

相关事实

待验证行为克隆将问题简化为监督学习，但存在分布偏移问题，导致训练时和执行时状态分布不同引发误差累积77% 相似待验证行为克隆（BC）存在复合误差与分布偏移问题，智能体偏离训练分布后预测误差会指数级累积77% 相似待验证数值实验表明三项误差中score误差项占据主导，整体TV误差与score误差呈线性关系76% 相似已验证行为克隆存在分布偏移（Distribution Shift）问题，模型在训练分布外状态下容易犯错并累积误差，机器人控制领域称为复合误差74% 相似待验证长链推理中每步的微小误差会被累积放大，学术界称为复合错误（compounding errors）问题73% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/514882

API

curl https://kongchang.com/api/v1/knowledge/claims/514882

MCP

get_claim(id=514882)