待验证50% 置信事实精确时间

EfficientNet 系列由 Google Brain 在 2019 年提出，核心创新是复合缩放，从 B0 到 B7 参数从 5.3M 增长到 66M，Top-1 精度从 77.1% 提升到 84.3%

1

来源数

50%

置信度

长期有效

时效性

2026/8/28

首次发现

来源

在家训练生产级图像分类器：可行性与实战路径

涉及实体

EfficientNetmodel Google Braincompany

相关事实

待验证Google Brain团队于2022年系统记录了涌现能力现象，发现某些能力在模型达到特定规模前几乎为零，之后突然跃升74% 相似待验证Google DeepMind研究表明，涌现能力表现为非线性的相变特征，模型参数量从10B增长到100B过程中某些复杂推理能力会突然跃升69% 相似待验证MedIQ多智能体系统最终达到57%准确率，摘要智能体带来约5%提升，而拥有全部前置信息的Oracle上限为66%67% 相似待验证2023年MIT与Google的联合研究表明，当子任务存在明确完成标准时，智能体的自我纠错效率可提升40%以上63% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/810814

API

curl https://kongchang.com/api/v1/knowledge/claims/810814

MCP

get_claim(id=810814)