待验证50% 置信事实精确时间

对于代数衰减的预测记忆，最优的 r-模式预测误差以 e^(-Θ(√r)) 的速率衰减

1

来源数

50%

置信度

长期有效

时效性

2026/10/8

首次发现

来源

长程记忆的代价：序列模型中的状态、上下文与稳定性复杂度

涉及实体

代数衰减预测记忆concept

相关事实

待验证线性回归的最小二乘损失与逻辑回归的交叉熵损失分别对应高斯噪声假设与伯努利分布假设下的最大似然估计70% 相似待验证GGUF量化可将模型内存占用降低至原始精度的25%左右69% 相似待验证CVaR_α衡量随机变量在最坏的(1-α)比例情形下的平均损失，当α→1时退化为期望值，当α→0时趋近于最坏情况成本67% 相似待验证贝叶斯最优分类器在0-1损失下等价于选择后验概率最大的类别，回归问题中条件期望在平方损失下是最优预测66% 相似待验证残差标准误差(RSE)衡量模型的平均预测偏差，用与Y相同的单位表达，RSE越小说明拟合越好66% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/986779

API

curl https://kongchang.com/api/v1/knowledge/claims/986779

MCP

get_claim(id=986779)