已验证65% 置信事实精确时间
YaRN是一种针对使用RoPE的Transformer模型的上下文窗口扩展方法，通过对不同频率维度采用差异化缩放策略，无需完整微调即可扩展上下文
3
来源数
65%
置信度
长期有效
时效性
2026/8/30
首次发现
来源
涉及实体
相关事实
待验证YaRN通过对RoPE中不同频率分量采用差异化的缩放策略，使模型能够在无需重新训练或仅需少量微调的情况下将有效上下文长度扩展数倍甚至数十倍79% 相似待验证YaRN(Yet another RoPE extensioN method)是2023年提出的位置编码扩展技术,通过动态调整位置编码频率分量使模型处理比训练时更长的序列76% 相似待验证YAGNI是极限编程中的核心原则，主张只实现当前确实需要的功能，避免为假想的未来场景过度设计64% 相似待验证YAGNI原则源自极限编程（XP）方法论，由Kent Beck和Ron Jeffries推广60% 相似待验证Neural Yap 使用 inspect AI 框架跑批，runs 目录下的 YAML 文件列出待测模型，新增模型时只跑新模型并复用已有结果。56% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/824374API
curl https://kongchang.com/api/v1/knowledge/claims/824374MCP
get_claim(id=824374)