待验证50% 置信事实精确时间
Vicinal Risk Minimization（VRM）理论由Chapelle等人在2001年提出，主张在训练样本的邻域上最小化风险
1
来源数
50%
置信度
长期有效
时效性
2026/7/15
首次发现
来源
相关事实
待验证GPTQ是基于逐层误差补偿的训练后量化方案，精度损失最小61% 相似待验证Ethayarajh等人于2019年通过实证研究揭示BERT、GPT等预训练模型的词向量高度集中在狭窄的锥形区域内，存在各向异性61% 相似待验证Conway 将仅有编程与领域知识而缺乏统计的区域标注为「危险地带（Danger Zone）」，警示这类从业者容易产生统计上站不住脚的结论61% 相似待验证小模型在分布内高性能的同时存在分布外脆弱性，一旦推理时的工具描述措辞、参数命名或用户查询风格偏离训练集，成功率可能显著下滑59% 相似待验证2024年的研究表明，即使经过专门的安全对齐训练，主流模型对精心构造的注入攻击的防御成功率仍不足90%59% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/518101API
curl https://kongchang.com/api/v1/knowledge/claims/518101MCP
get_claim(id=518101)