待验证50% 置信事实精确时间

自动微分的前向模式适合输入少输出多的场景，反向模式适合输入多输出少的场景，深度学习因参数多而损失为标量属于后者

1

来源数

50%

置信度

长期有效

时效性

2026/8/7

首次发现

来源

picodl：用纯NumPy从零手写深度学习库的技术解析

相关事实

待验证自动微分分为前向模式（从输入向输出传播导数，适合输入维度远小于输出维度）和反向模式（从输出向输入反向传播梯度，适合输出维度远小于输入维度）74% 相似待验证少样本学习通过在Prompt中提供2-5个示例帮助模型快速理解输出格式和风格要求73% 相似已验证微调是在通用预训练模型基础上用特定领域数据进行二次训练，使模型能将领域知识内化为参数，推理时无需额外检索步骤，延迟更低72% 相似待验证上下文图谱为智能体提供了介于临时上下文和模型权重微调之间的中间层记忆机制，可在不改变底层模型的前提下持续积累经验71% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/705668

API

curl https://kongchang.com/api/v1/knowledge/claims/705668

MCP

get_claim(id=705668)