待验证50% 置信事实精确时间

训练完成后，网络实际形成的有效线段数往往远少于理论上的最大段数

1

来源数

50%

置信度

长期有效

时效性

2026/9/20

首次发现

来源

可视化神经网络学习：ReLU如何拟合任意函数

涉及实体

梯度下降concept

相关事实

待验证越接近截止日的事件，在训练语料中占比越少，模型掌握得越模糊71% 相似待验证跨域微调时学习率过大会破坏预训练权重，过小则几乎学不动，需权衡设置71% 相似待验证朴素训练后量化会导致单个权重误差在多层网络中累积放大，即复合误差，在2位或1位精度下模型结构会崩溃71% 相似待验证Li等人2018年发现神经网络的有效参数空间维度远低于名义参数量，训练轨迹被限制在低维子空间中70% 相似待验证深度神经网络天然倾向于过拟合训练分布，对分布外样本的处理能力往往大幅下降70% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/936212

API

curl https://kongchang.com/api/v1/knowledge/claims/936212

MCP

get_claim(id=936212)