待验证50% 置信事实精确时间
基于模型的协同过滤通过矩阵分解将高维稀疏评分矩阵分解为代表用户隐向量和物品隐向量的两个低维稠密矩阵，再通过内积预测评分
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
待验证张量并行将模型单层的权重矩阵切分到多块GPU上并行计算，通过All-Reduce通信汇聚结果72% 相似待验证该框架将回答质量分解为多个可独立评估的维度，细粒度信号能够减少对齐所需的样本数量并提升最终模型的多维度均衡性69% 相似待验证模型批处理通过将多个独立推理请求拼接成同一张量矩阵一次性送入GPU完成矩阵乘法，从而提升硬件利用率66% 相似待验证分类头通常是一个简单的全连接层加Softmax激活，将高维特征向量映射到各类别的概率分布65% 相似待验证DiffusionGemma通过并行处理将矩阵-向量乘法变为矩阵-矩阵乘法，从memory-bound转为compute-bound，是其效率提升的根本原因64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/983592API
curl https://kongchang.com/api/v1/knowledge/claims/983592MCP
get_claim(id=983592)