待验证50% 置信事实精确时间

FedAvg（联邦平均）算法中，服务器将全局模型下发给各客户端，各方在本地完成若干轮梯度更新后上传模型权重或梯度，服务器按样本量加权平均生成新的全局模型

1

来源数

50%

置信度

长期有效

时效性

2026/9/15

首次发现

来源

NVIDIA FLARE联邦学习实战：跨Docker、K8s与Slurm扩展部署

涉及实体

相关事实

待验证每次前向传播生成token时，模型都需经过完整的多头注意力计算和前馈网络层，计算量由模型参数规模决定66% 相似待验证将旗舰模型转为按量计费可引导用户分层使用不同模型，优化整体算力分配效率64% 相似待验证模型对齐通过RLHF、DPO等技术使模型输出符合人类期望，对齐调整会影响模型的输出长度和风格63% 相似待验证数据流模型中节点的执行由数据的就绪状态驱动，只要输入数据到位节点便可立即计算，天然支持并行，与冯·诺依曼架构的顺序执行不同62% 相似待验证LLM的计费模型基于token数量,输入和输出都计费61% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/922584

API

curl https://kongchang.com/api/v1/knowledge/claims/922584

MCP

get_claim(id=922584)