待验证50% 置信事实精确时间

波动率具有长记忆特性，其自相关函数衰减极为缓慢，Hurst指数通常在0.7-0.9之间，远高于随机游走的0.5

1

来源数

50%

置信度

长期有效

时效性

2026/8/12

首次发现

来源

金融机器学习模型为何难以评估？核心挑战与避坑指南

相关事实

已验证艾宾浩斯遗忘曲线揭示记忆强度随时间呈指数级衰减，通过间隔重复可延缓这一过程72% 相似待验证只有在LLM推理比embedding加向量检索慢数十倍以上时，语义缓存才能同时实现降本与提速66% 相似待验证从信息论角度看，LLM的输出熵相对较低，倾向于收敛到训练数据的高概率区域65% 相似待验证偶发性故障的内存条可能交替产生正确和错误的计算结果，导致神经网络训练中梯度计算偶发性偏差，影响模型收敛性且不触发硬件告警64% 相似待验证减少重复索引可使智能体的冷启动时间从数十秒缩短到几秒，提升响应速度64% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/732597

API

curl https://kongchang.com/api/v1/knowledge/claims/732597

MCP

get_claim(id=732597)