待验证60% 置信事实精确时间

批次归一化层在小批次场景下统计量估计噪声很大，与Dice损失的区域级计算特性叠加会放大预测概率分布的波动

2

来源数

60%

置信度

长期有效

时效性

2026/8/7

首次发现

来源

训练时Dice评估指标周期性剧烈波动的原因与解决方案

相关事实

待验证扩散模型的迭代去噪过程对数值误差敏感，每步的微小误差会累积并影响最终图像，采样步数越多量化误差影响越大79% 相似待验证监督学习模型在未见数据上的期望误差可分解为偏差²、方差和不可约噪声三个分量76% 相似待验证模型学到的概率分布天然偏向高频事件和常见模式，对长尾事件存在系统性低估76% 相似已验证模型的泛化误差等于偏差平方加方差加不可约噪声76% 相似待验证相似度阈值过高可能导致有效答案被误过滤，过低则可能引入噪声，需在召回率和精确率之间权衡73% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/699330

API

curl https://kongchang.com/api/v1/knowledge/claims/699330

MCP

get_claim(id=699330)