待验证50% 置信事实精确时间

Greg Yang等人提出的μP（Maximal Update Parameterization）理论试图在保留特征学习的同时实现理论分析

1

来源数

50%

置信度

长期有效

时效性

2026/8/22

首次发现

来源

梯度下降训练的普适性：神经网络架构选择真的重要吗

相关事实

待验证集成学习的理论基础来自偏差-方差权衡框架，单一复杂模型存在高方差而简单模型存在高偏差66% 相似待验证Himanshu指出LLM推理管线的最大优势在于可微分，可用强化学习优化，但无法学习代数构造65% 相似待验证前沿模型常采用混合专家架构（MoE）在推理时只激活部分参数，以平衡速度与质量64% 相似待验证凸优化理论中的KKT条件是理解支持向量机SVM对偶问题以及RLHF中约束优化设计的必要工具64% 相似待验证Yang Song等人将扩散过程统一在连续时间随机微分方程框架下，提出Score-based生成模型64% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/785593

API

curl https://kongchang.com/api/v1/knowledge/claims/785593

MCP

get_claim(id=785593)