待验证50% 置信事实精确时间

研究团队采用与 DeepTMHMM 模型开发时相同的数据集，并使用 5 折交叉验证评估模型性能

1

来源数

50%

置信度

长期有效

时效性

2026/9/28

首次发现

来源

用图神经网络从3D结构预测跨膜蛋白拓扑

涉及实体

相关事实

待验证DeepSeek此前的R1模型在技术报告中描述了从自研模型蒸馏至小参数版本的流程71% 相似待验证DeepSeek开源了训练好的模型权重、训练数据配方和技术报告71% 相似已验证DeepSWE系列基准用于衡量模型在真实软件工程场景中的自主端到端工程能力70% 相似已验证Google DeepMind的Chinchilla论文优化了模型参数量与训练数据量的最优比例70% 相似待验证DeepSeek-R1等模型被部分研究者视为在算力受限条件下通过算法创新实现的「降维突围」，在参数效率和推理能力上逼近国际前沿70% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/955523

API

curl https://kongchang.com/api/v1/knowledge/claims/955523

MCP

get_claim(id=955523)