待验证50% 置信事实精确时间

L0MO在再生核希尔伯特空间（RKHS）中具有稀疏表示的函数子集上进行搜索

1

来源数

50%

置信度

长期有效

时效性

2026/10/8

首次发现

来源

函数空间上的贝叶斯优化：L0MO方法解析

涉及实体

L0MOconcept RKHSconcept

相关事实

待验证L0MO同时优化核函数的位置（kernel locations）和核函数的系数（coefficients）两组量73% 相似待验证再生核希尔伯特空间（RKHS）为支持向量机和高斯过程提供了严格的数学框架72% 相似待验证在贝叶斯优化中，高斯过程的协方差函数本身定义了一个RKHS67% 相似待验证GLM-5.3在vLLM中直接走GLM-5.2的推理路径，沿用glm47和glm45 parsers57% 相似待验证L2算法相对于基向量系数位长β达到O(n⁴·β·(n+β))的位复杂度，在β=O(n)时相当于O(n⁶)，而经典LLL约为O(n⁹)57% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/986378

API

curl https://kongchang.com/api/v1/knowledge/claims/986378

MCP

get_claim(id=986378)