待验证50% 置信事实精确时间
状态扰动使用高斯噪声（sigma=0.005）注入以防止模型学习脆弱的1维线性轨迹
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/9/9
首次发现
有效期至：2026/12/8
来源
涉及实体
相关事实
已验证模型的泛化误差等于偏差平方加方差加不可约噪声67% 相似待验证样本过于简单则模型无学习价值，过于困难则可能引入噪声学习信号干扰训练，最有效的学习发生在略高于当前能力但仍可企及的区域66% 相似待验证ε预测在大嵌入维度下容易数值不稳定，因为当α_bar_t接近零时缩放系数1/sqrt(α_bar_t)趋于无穷大放大预测误差66% 相似待验证余弦退火学习率调度策略由Loshchilov和Hutter在2017年提出，让学习率按余弦函数从初始值平滑衰减至接近零65% 相似待验证残差结构让F=0成为默认选项，只要F(x)权重接近零残差块即退化为恒等映射，从而解决SGD难以学习恒等映射的优化困境65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/884839API
curl https://kongchang.com/api/v1/knowledge/claims/884839MCP
get_claim(id=884839)