待验证50% 置信基准精确时间

实验基于100次高维XOR模型模拟，采用定制的两层网络，展示了解耦下降能让训练误差曲线与测试误差曲线保持同步

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/9/7

首次发现

有效期至：2026/12/6

来源

解耦下降：让训练误差精准追踪测试误差的新理论框架

涉及实体

XOR模型concept 解耦下降concept

相关事实

待验证研究发现在单个网络中同时训练两个方向的表现优于分别训练两个专门模型68% 相似待验证欧拉框架下每个训练信号衡量相邻两帧之间的运动，位移较小可稳定落在光流估计器可靠工作区间内，从而约束监督误差不随序列长度累积放大68% 相似待验证实验表明按由易到难顺序喂给模型训练样本能加速收敛并学到更鲁棒的特征表示，性能优于随机打乱顺序的训练67% 相似待验证训练模型的核心过程是通过梯度下降法沿着损失函数的梯度方向迭代更新参数66% 相似待验证混合精度训练在不显著损失模型精度的前提下，可将训练速度提升约2倍，显存占用降低近一半64% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/869861

API

curl https://kongchang.com/api/v1/knowledge/claims/869861

MCP

get_claim(id=869861)