待验证50% 置信权衡取舍精确时间
深度集成（Deep Ensemble）训练多个独立网络并综合其预测分布，性能最优但计算成本最高
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
待验证深度集成（Deep Ensemble）由Lakshminarayanan等人在2017年提出，需训练5-10个独立模型，计算成本通常是单模型的5-10倍79% 相似待验证2017年Shwartz-Ziv和Tishby的工作表明深度网络训练存在两个阶段：先拟合数据（增加与输入的互信息），再压缩表征（减少与输入互信息同时保持与输出互信息）75% 相似已验证DeepSeek通过混合专家架构（MoE）和强化学习优化，在大幅降低训练成本的同时实现了接近顶尖水平的性能74% 相似待验证现代深度网络往往拥有数十亿乃至上万亿参数，远超训练样本数量，按经典统计学习理论应严重过拟合，实际上却展现出惊人的泛化能力73% 相似待验证DeepTutor通过多智能体协作架构，将诊断、规划、讲解、测评等模块协同整合，完成评估、制定计划、讲解练习、更新学习画像的完整教学闭环72% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/523947API
curl https://kongchang.com/api/v1/knowledge/claims/523947MCP
get_claim(id=523947)