待验证50% 置信解决方案精确时间
SSU-LSF 使用无 Hessian 的投影梯度上升，在 KL 散度信任域内执行遗忘操作，并辅以空间全变分正则化
1
来源数
50%
置信度
长期有效
时效性
2026/10/5
首次发现
来源
涉及实体
相关事实
待验证K-quants 的核心思想是不同层对精度的敏感度不同，输出层和嵌入层通常保留更高位宽，而中间前馈层权重压缩更激进61% 相似待验证KNN、SVM的RBF核等依赖距离度量的算法及逻辑回归等依赖线性可分假设的算法对全局几何结构扭曲敏感，SWD变换会破坏其性能60% 相似待验证LSTM通过门控机制维护隐藏状态解决了简单RNN的梯度消失问题59% 相似待验证GPTQ（2022）引入逐层Hessian矩阵近似，通过最小化权重量化前后的输出重建误差优化量化参数58% 相似待验证多头自注意力机制突破了RNN/LSTM在长序列处理中因梯度消失导致的遗忘瓶颈，并支持GPU/TPU大规模并行计算58% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/975720API
curl https://kongchang.com/api/v1/knowledge/claims/975720MCP
get_claim(id=975720)