待验证50% 置信事实精确时间

实验通过系统改变事实负载M和有效可训练记忆B，验证了压缩失真项是独立于覆盖率的可观测失效模式

1

来源数

50%

置信度

长期有效

时效性

2026/9/14

首次发现

来源

压缩的代价：事实幻觉背后的率失真极限

涉及实体

controlled fact-injection probesconcept

相关事实

待验证偶发性故障的内存条可能交替产生正确和错误的计算结果，导致神经网络训练中梯度计算偶发性偏差，影响模型收敛性且不触发硬件告警72% 相似待验证差分隐私（DP）通过对训练梯度进行裁剪并注入校准的高斯噪声，使任何单条训练数据的存在与否对模型输出的影响可被数学上界定72% 相似待验证如果模型在预训练时记住了污染基准的答案，压缩上下文中的信息损失不会影响性能，使得报告的'无损压缩'结论失去意义72% 相似待验证错误率下界的第一项(M/N)δ*(B/M)描述模型已见过但因记忆受限而存储不准确的事实的压缩失真71% 相似待验证训练数据中的重复内容会导致模型记忆化和性能下降71% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/919756

API

curl https://kongchang.com/api/v1/knowledge/claims/919756

MCP

get_claim(id=919756)