待验证50% 置信基准精确时间

在6470条母线（比训练中任何电网大约40%）的未见电网上做零样本测试，成本误差上升约10%，但模型仍能近乎完美地按成本对情景排序

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/10/1

首次发现

有效期至：2026/12/30

来源

微软GridSFM：用AI基础模型重塑电网规划

涉及实体

相关事实

待验证测试损失与计算量之间的幂律指数约为0.05，意味着计算量每增加10倍，模型性能提升约12%71% 相似待验证仅用10个情景微调GridSFM即可把成本误差降到2%以下、可行性检测拉到90%以上，用1000个情景可达样本内精度水平68% 相似待验证OS World的82项测试并非在完全相同条件下运行，一半任务沿用原基线分数，投入资源和尝试次数也不同，因此7个百分点提升不能全归功于记忆67% 相似待验证AI生成假设的边际成本趋近于零，一旦模型训练完成每增加一条假设几乎不产生额外成本67% 相似待验证在一个396个文件的大型混合职责项目上测试时，召回率几乎跌到零66% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/963761

API

curl https://kongchang.com/api/v1/knowledge/claims/963761

MCP

get_claim(id=963761)