待验证50% 置信基准精确时间
使用WavePrune从头预训练的模型，在外推长度上的验证损失低于不使用它的基线模型
1
来源数
50%
置信度
长期有效
时效性
2026/10/7
首次发现
来源
涉及实体
相关事实
待验证余弦退火学习率调度可能帮助模型突破损失平台期，避免陷入局部最优70% 相似待验证减少参数能降低过拟合风险，但过度削减会损害模型表达能力；建议减参数同时保留预训练backbone（如ResNet-18/34），仅精简检测头和Transformer层68% 相似待验证如果模型在预训练时记住了污染基准的答案，压缩上下文中的信息损失不会影响性能，使得报告的'无损压缩'结论失去意义67% 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65% 相似待验证复现活动采用缩放验证方法，在更小数据集、更少训练轮次或更低模型参数量下验证论文声称的趋势和相对关系65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/983011API
curl https://kongchang.com/api/v1/knowledge/claims/983011MCP
get_claim(id=983011)