待验证50% 置信事实精确时间

前向-前向算法用两次前向传播替代一次前向加一次反向传播，第一次在正样本上运行使每层goodness增大，第二次在负样本上运行使goodness减小

1

来源数

50%

置信度

长期有效

时效性

2026/10/5

首次发现

来源

Dust项目探索：不用反向传播预训练Transformer

涉及实体

前向-前向算法concept

相关事实

待验证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68% 相似待验证对于低于截断线的候选，算法侧重提升其奖励；对于高于截断线的候选，则侧重维持它们之间的多样性67% 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）67% 相似待验证实践中发现即使每步只对目标做一次梯度更新、得到嘈杂的最优传输映射估计，算法依然能收敛66% 相似待验证许多在可逆环境中表现优异的算法一旦逼近不可逆临界点，性能可能断崖式下跌65% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/978864

API

curl https://kongchang.com/api/v1/knowledge/claims/978864

MCP

get_claim(id=978864)