待验证50% 置信事实精确时间
在世界模型中 MDN-RNN 通常使用 256 个隐藏单元的 LSTM 和 5 个高斯混合分量来预测下一帧的潜在向量分布
1
来源数
50%
置信度
长期有效
时效性
2026/9/1
首次发现
来源
涉及实体
相关事实
待验证LLM的每次调用可以被建模为伯努利试验，N次独立调用的通过次数服从二项分布B(N, p)67% 相似待验证BERT的MLM是一步到位的预测且主要用于表征学习，而离散扩散模型将mask比例作为从0%到100%的连续变量构建完整马尔可夫链，通过多步迭代实现渐进式生成67% 相似待验证LLM自回归解码阶段每生成一个token都需从显存加载全量模型权重，批量较小时形成内存墙65% 相似待验证MTP通过在模型输出层增加多个预测头，使模型在一次前向传播中同时预测未来N个token的概率分布，可在不损失生成质量的前提下实现2-4倍推理加速65% 相似待验证研究人员利用图神经网络GNN学习增殖包层中子学仿真，可对任意几何参数组合的TBR值实现亚秒级预测，预测误差控制在1%以内64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/838280API
curl https://kongchang.com/api/v1/knowledge/claims/838280MCP
get_claim(id=838280)