待验证50% 置信事实精确时间

over-squashing概念最初由Alon与Yahav在2021年针对图神经网络正式提出，描述长距离信息在传播中被指数级稀释乃至丢失的问题

1

来源数

50%

置信度

长期有效

时效性

2026/9/21

首次发现

来源

拓扑视角揭示大模型幻觉：注意力图中的信息流失真信号

涉及实体

Alonperson Yahavperson 图神经网络concept over-squashingconcept

相关事实

待验证标准 GNN 消息传递存在过度压缩问题，随层数增加远距离节点信息在传播中逐渐稀释64% 相似待验证状态离散化存在权衡：分桶粒度过粗导致信息损失，过细则引发维度灾难，这也是DQN用神经网络替代Q表的核心动机62% 相似待验证XOR 问题是历史上感知机遭遇的著名瓶颈，直接推动了多层网络与反向传播算法的发展62% 相似待验证RNN存在梯度消失/爆炸问题，梯度跨越大量时间步传递时会指数级衰减或膨胀，导致难以学习远距离依赖62% 相似待验证信息瓶颈理论由Tishby等人于2000年提出，主张深度网络在压缩输入信息的同时应保留与任务相关的最小充分统计量62% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/938013

API

curl https://kongchang.com/api/v1/knowledge/claims/938013

MCP

get_claim(id=938013)