待验证50% 置信事实精确时间

现代定价模型通常基于梯度提升树（如XGBoost）或深度神经网络，输入特征可能多达数百个，输出结果难以用人类可读规则描述

1

来源数

50%

置信度

长期有效

时效性

2026/9/23

首次发现

来源

西雅图立法禁止杂货监控定价：算法歧视定价迎来监管信号

涉及实体

XGBoosttechnology 深度神经网络technology

相关事实

待验证在反向模式下，当模型参数数量高达数百万时，计算梯度的成本仅与一次前向计算相当66% 相似待验证推理模型可能要多花数倍甚至十几倍的输出token，直接推高API调用成本66% 相似待验证在OpenAI定价体系中，推理token的价格通常与输出token相同，高推理等级可能产生数千甚至数万个推理token66% 相似待验证在百万级样本的批量预测场景中，LLM的推理成本可能比树模型高出三到四个数量级64% 相似待验证在广告点击率预估中，业界普遍认为深度模型在千万级以上样本时才开始展现明显优势，百万级以下GBDT模型往往更稳健63% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/945398

API

curl https://kongchang.com/api/v1/knowledge/claims/945398

MCP

get_claim(id=945398)