待验证50% 置信事实精确时间
LBFGS 是拟牛顿法，通过存储最近 m 步的梯度差分信息近似 Hessian 矩阵的逆，仅需 O(md) 内存
1
来源数
50%
置信度
长期有效
时效性
2026/9/3
首次发现
来源
涉及实体
相关事实
待验证典型的导纳模型可表达为 M·ẍ + B·ẋ + K·x = F_ext，其中M、B、K分别是期望的虚拟惯量、阻尼和刚度矩阵60% 相似待验证GPTQ 是基于逐层 Hessian 矩阵的后训练量化方案，AWQ 是激活感知权重量化，现代量化方案可将困惑度损失控制在 1–2% 以内60% 相似待验证传统线性时不变SSM（如S4模型）系统矩阵A、B、C在序列处理中保持不变，递推关系可展开为卷积形式，利用FFT在O(N log N)时间内并行计算60% 相似已验证常见的模型量化方法包括GPTQ、AWQ和GGUF等格式57% 相似待验证选择性量化思路与LLM领域的GPTQ、AWQ等量化方法一脉相承57% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/850173API
curl https://kongchang.com/api/v1/knowledge/claims/850173MCP
get_claim(id=850173)