待验证50% 置信事实精确时间

MFU（Model FLOPS Utilization，硬件利用率）是衡量训练与推理系统效率的核心指标，提升几个百分点在大规模集群上意味着显著成本节约

1

来源数

50%

置信度

长期有效

时效性

2026/10/6

首次发现

来源

DeepGEMM解析：DeepSeek开源的高效GPU矩阵运算内核库

涉及实体

相关事实

已验证在收敛型任务上，模型达到一定规模后存在明显的性能饱和现象，参数量或训练数据的继续增加对准确率的边际贡献快速衰减74% 相似已验证过拟合是指模型在训练数据上表现优异，但在未见过的测试数据上性能大幅下降的现象71% 相似待验证Mistake-Aware Training和RISE（Recursive Introspection）等研究方法将失败轨迹的利用作为核心机制，在复杂编程和数学推理任务上取得显著性能提升69% 相似已验证模型微调的真正难点在于高质量训练数据的构建与清洗、防止灾难性遗忘，以及量化后的推理部署69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/980634

API

curl https://kongchang.com/api/v1/knowledge/claims/980634

MCP

get_claim(id=980634)