待验证50% 置信事实精确时间
poly核将原始d维输入隐式映射到O(n^d)维特征空间，维度随degree指数级增长，计算代价急剧膨胀
1
来源数
50%
置信度
长期有效
时效性
2026/7/19
首次发现
来源
相关事实
待验证嵌入层本质上是一个尺寸为V×D的可学习矩阵（V为词汇表大小，D为嵌入维度），接收token ID时查找对应行向量66% 相似待验证嵌入向量本质上是神经网络中间层输出的高维数值向量，通常具有数百到数千个维度，是原始输入数据在学习到的语义空间中的坐标表示64% 相似待验证从二维图像恢复三维空间信息的深度估计是一个病态问题，因为二维到三维的映射存在无穷多种可能解62% 相似待验证标准 Scaled Dot-Product Attention 中 Q 与 K 做矩阵乘法得到 n×n 注意力分数矩阵，计算量为 O(n²·d)60% 相似待验证从PCA降维到Transformer的注意力机制都依赖矩阵运算和向量空间变换58% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/564628API
curl https://kongchang.com/api/v1/knowledge/claims/564628MCP
get_claim(id=564628)