待验证50% 置信事实精确时间

Gunasekar等人2017年的研究证明，对于线性模型，梯度下降等价于最小范数插值

1

来源数

50%

置信度

长期有效

时效性

2026/8/6

首次发现

来源

双重下降现象详解：为何超大模型反而不过拟合

相关事实

待验证研究发现当约束条件从1个叠加至5个时，几乎所有模型的遵循率都出现断崖式下降，大模型更明显72% 相似待验证梯度下降通过迭代公式 θ = θ - α∇J(θ) 更新参数，其中α是学习率，∇J(θ)是损失函数对参数的偏导数向量67% 相似待验证线性回归的最小二乘损失与逻辑回归的交叉熵损失分别对应高斯噪声假设与伯努利分布假设下的最大似然估计67% 相似待验证自回归缩放定律的边际收益正在递减，单纯增加模型规模和数据量带来的提升已微乎其微66% 相似待验证研究表明将收入从精确值泛化为5个区间可能导致模型AUC下降2-5个百分点65% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/693824

API

curl https://kongchang.com/api/v1/knowledge/claims/693824

MCP

get_claim(id=693824)