待验证50% 置信事实精确时间

反向模式一次反向传播就能同时获得损失对所有参数的梯度,复杂度仅为前向计算的常数倍（通常 2-4 倍）

1

来源数

50%

置信度

长期有效

时效性

2026/9/9

首次发现

来源

用C++从零实现张量运算与自动微分：拆解PyTorch底层原理

涉及实体

reverse-mode autogradconcept

相关事实

已验证梯度下降通过沿着损失函数梯度的反方向迭代调整权重使预测误差逐步收敛73% 相似待验证当链式法则连乘的因子持续小于1时梯度指数衰减（消失），持续大于1时指数增长（爆炸）70% 相似待验证在自回归预测中，每一步的误差会叠加到下一步，导致长程预测迅速退化69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/885580

API

curl https://kongchang.com/api/v1/knowledge/claims/885580

MCP

get_claim(id=885580)