待验证50% 置信事实精确时间

深度神经网络包含数十亿甚至数万亿参数,其黑箱特性使得即使开发者也难以准确预测模型在特定输入下的行为

1

来源数

50%

置信度

长期有效

时效性

2026/9/6

首次发现

来源

AI风险的根源：训练技术埋下了哪些隐患

涉及实体

深度神经网络concept

相关事实

待验证现代深度网络往往拥有数十亿乃至上万亿参数，远超训练样本数量，按经典统计学习理论应严重过拟合，实际上却展现出惊人的泛化能力79% 相似待验证大模型本质上是一个由深度神经网络实现的极其复杂的函数75% 相似待验证当需要表征的特征数量远超可用神经元数量时，网络会利用高维空间中近似正交向量数量远超维度数量的特性（Johnson-Lindenstrauss引理）将多个特征叠加压缩编码到同一组神经元上72% 相似待验证大语言模型从本质上是深度神经网络72% 相似待验证Zhang等人2017年的实验证明标准深度神经网络可以完美记忆随机标签的训练数据，意味着传统基于模型容量的泛化界完全失效71% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/863314

API

curl https://kongchang.com/api/v1/knowledge/claims/863314

MCP

get_claim(id=863314)