待验证50% 置信事实精确时间
DeepSEA、Enformer、Sei等同类模型在已知变异上表现优秀，但对超出训练分布的新型变异或极罕见族群的泛化性受质疑
1
来源数
50%
置信度
长期有效
时效性
2026/9/30
首次发现
来源
涉及实体
相关事实
已验证深度学习模型浅层网络学习的边缘、纹理等低层特征具有较强领域无关性，深层网络编码的高层语义特征更具领域特异性64% 相似待验证深度集成在预测框架下本质上是一个错误指定的模型类（mis-specified model class），隐含假设未来数据仅支撑在已有观测数据上63% 相似待验证深度集成（Deep Ensemble）由Lakshminarayanan等人在2017年提出，需训练5-10个独立模型，计算成本通常是单模型的5-10倍63% 相似待验证DeepSeek-R1的推理能力在多个基准测试中表现惊艳，训练成本远低于国际竞品62% 相似待验证反对者认为现有深度学习系统本质上是统计模式匹配工具，距离能够形成自主目标的架构还相差甚远62% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/960418API
curl https://kongchang.com/api/v1/knowledge/claims/960418MCP
get_claim(id=960418)