待验证50% 置信事实精确时间

双重下降现象最早由Belkin等人在2019年的论文《Reconciling modern machine learning practice and the bias-variance trade-off》中系统描述

1

来源数

50%

置信度

长期有效

时效性

2026/8/11

首次发现

来源

CNN核心机制详解：从卷积原理到双重下降现象

相关事实

已验证梯度下降是机器学习中最核心的优化算法，学习率过大会导致震荡、过小则收敛缓慢66% 相似待验证双重下降现象不仅发生在模型规模维度，也可能出现在训练轮次（epochs）和数据量的变化中65% 相似待验证2019年Belkin等人在PNAS上发表论文正式描述了双重下降现象，即当模型参数量超过插值阈值后测试误差反而开始下降64% 相似已验证推测解码、模型蒸馏、KV Cache优化等推理优化技术的持续进步正在使单位推理成本快速下降64% 相似已验证双重下降现象表明，当模型参数量远超数据量时，测试误差反而可能再次下降63% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/731055

API

curl https://kongchang.com/api/v1/knowledge/claims/731055

MCP

get_claim(id=731055)