待验证50% 置信基准精确时间

研究团队在MNIST和Fashion-MNIST数据集上训练扩散模型验证C2正则性，Hessian在MNIST上达到300、Fashion-MNIST上达到1000，乘上归一化因子后收敛为约1到2的常数

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MNIST当前最优模型的错误率已低于0.2%60% 相似待验证研究表明在某些开源Benchmark上头部大模型训练语料与评测数据的n-gram重叠率可高达15%~30%60% 相似待验证Scale AI在2024年的分析显示，部分模型在MMLU上的分数膨胀可能高达5-10个百分点，因测试集已泄露到训练数据中58% 相似待验证在MNIST数据集上简单的全连接网络能达到98%以上的准确率，卷积网络可轻松超过99.5%58% 相似待验证Min-K% 方法通过检查模型在文本中最低概率token的平均对数概率来判断样本是否为训练集成员56% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/514883

API

curl https://kongchang.com/api/v1/knowledge/claims/514883

MCP

get_claim(id=514883)