待验证50% 置信事实精确时间

稀疏奖励加上长时间跨度使得基于梯度的优化信号在反向传播过程中大幅衰减

1

来源数

50%

置信度

长期有效

时效性

2026/10/5

首次发现

来源

CITA框架：让AI工具调用学会"三思而后行"

涉及实体

credit assignmentconcept

相关事实

已验证梯度下降通过沿着损失函数梯度的反方向迭代调整权重使预测误差逐步收敛78% 相似已验证梯度消失是深层神经网络中梯度值在反向传播过程中指数级衰减，导致靠近输入层的参数几乎得不到更新77% 相似待验证反向模式一次反向传播就能同时获得损失对所有参数的梯度,复杂度仅为前向计算的常数倍（通常 2-4 倍）73% 相似待验证MTP 带来的实际加速效果取决于预测的接受率，若预测频繁出错则需回退到逐 token 解码，加速收益会大幅缩水72% 相似待验证基础任务性能与泛化能力的正相关关系在显著分布偏移下会减弱71% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/975637

API

curl https://kongchang.com/api/v1/knowledge/claims/975637

MCP

get_claim(id=975637)