待验证50% 置信观点精确时间

RASS 属于不改模型、只改验证规则的加速手段，对已训练好的大型扩散模型无需重新训练即可叠加收益

1

来源数

50%

置信度

长期有效

时效性

2026/10/5

首次发现

来源

RASS：排名感知推测采样如何为扩散模型提速20%

涉及实体

相关事实

待验证微调通过在私有数据上继续训练来更新模型权重，RAG则在不修改模型的前提下通过检索外挂知识库增强回答75% 相似待验证纯生成式模型将所有训练数据混合后输出，用户无法追溯单一结论的依据链条，这是相比RAG检索机制的局限70% 相似待验证Spectral Feedback是模型无关的，可应用于预训练模型、测试时对齐模型及微调后的扩散模型，且不修改底层生成过程66% 相似已验证LoRA是以参数高效微调（PEFT）为代表的主流微调方法，核心思想是在不改动原始模型权重的前提下向特定层注入低秩矩阵，只训练新增参数65% 相似已验证LoRA推理时可将权重合并回原模型，不带来额外延迟64% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/975754

API

curl https://kongchang.com/api/v1/knowledge/claims/975754

MCP

get_claim(id=975754)