待验证50% 置信事实精确时间

朴素训练后量化会导致单个权重误差在多层网络中累积放大，即复合误差，在2位或1位精度下模型结构会崩溃

1

来源数

50%

置信度

长期有效

时效性

2026/7/20

首次发现

来源

27B大模型跑进iPhone：1-bit量化如何实现极限压缩

相关事实

待验证偶发性故障的内存条可能交替产生正确和错误的计算结果，导致神经网络训练中梯度计算偶发性偏差，影响模型收敛性且不触发硬件告警80% 相似待验证仅用成功轨迹训练的模型往往存在分布外泛化的严重缺陷，遇到工具返回错误时便丧失纠偏能力79% 相似待验证低精度引入的数值扰动会在RL的多轮迭代中通过策略梯度的乘积形式被放大，可能导致训练崩溃或模型性能退化78% 相似待验证跨域微调时学习率过大会破坏预训练权重，过小则几乎学不动，需权衡设置77% 相似待验证文生图模型的理解本质上是大规模统计关联，面对训练集中稀少出现的长尾概念时生成质量会显著下滑76% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/569978

API

curl https://kongchang.com/api/v1/knowledge/claims/569978

MCP

get_claim(id=569978)