待验证50% 置信事实精确时间
FID（Fréchet Inception Distance）由Heusel等人于2017年提出，用预训练Inception网络提取特征并将分布建模为多元高斯，计算Fréchet距离，FID值越低表明分布越接近
1
来源数
50%
置信度
长期有效
时效性
2026/7/16
首次发现
来源
相关事实
待验证可借助Fréchet Inception Distance（FID）或Maximum Mean Discrepancy（MMD）等分布距离度量来量化增强后训练分布与真实测试分布之间的偏移79% 相似待验证FID（Fréchet Inception Distance）通过比较真实数据与生成数据在深度神经网络特征空间中的统计分布差异来评估生成质量，数值越低表示越接近真实77% 相似待验证量化测量域偏移程度的常用方法包括最大均值差异（MMD）和Fréchet Inception Distance（FID）67% 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Li等人2018年发现神经网络的有效参数空间维度远低于名义参数量，训练轨迹被限制在低维子空间中60% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/527102API
curl https://kongchang.com/api/v1/knowledge/claims/527102MCP
get_claim(id=527102)