待验证50% 置信事实精确时间
LightGBM、DeepAR、Temporal Fusion Transformer 可用一个模型学习所有 SKU 的联合分布，通过 SKU ID、类别等作为特征区分个体
1
来源数
50%
置信度
长期有效
时效性
2026/8/8
首次发现
来源
相关事实
待验证DeepSeek采用MoE（混合专家模型）架构，与传统密集型Transformer模型每次推理激活全部参数不同，MoE每次推理由路由器动态选择少数专家参与计算62% 相似待验证LightGBM 采用基于梯度的单边采样（GOSS）与互斥特征捆绑（EFB），大幅压缩内存占用和训练时间60% 相似待验证LightGCN是HKUDS在协同过滤推荐领域提出的简化图卷积网络，通过去除非线性变换和特征变换矩阵提升计算效率58% 相似待验证深度学习中CNN用于提取神经信号的空间特征，RNN/LSTM和Transformer架构用于捕捉时序依赖关系57% 相似待验证新一代智能DPI系统采用基于深度学习的流量分类（CNN/RNN）和基于统计特征提取的机器学习方法（随机森林、SVM）57% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/710787API
curl https://kongchang.com/api/v1/knowledge/claims/710787MCP
get_claim(id=710787)