待验证50% 置信事实精确时间

当网络宽度M增大时，KL项随参数数量线性增长，而期望对数似然项增长速度相对较慢，这是先验主导现象的根本数学原因

1

来源数

50%

置信度

长期有效

时效性

2026/10/8

首次发现

来源

似然温度调节如何拯救贝叶斯神经网络的"先验坍缩"

涉及实体

KL散度concept 贝叶斯神经网络concept

相关事实

待验证在宽度M不断增大的贝叶斯神经网络中，ELBO中的KL散度正则项会逐渐压过期望对数似然项，导致变分预测分布退化为先验预测分布75% 相似待验证自回归模型随序列长度增加，KV Cache占用线性增长，显存带宽成为制约速度的硬件瓶颈75% 相似待验证当K因子大于1时，产品用户规模将呈指数级自增长；K小于1时增长最终会趋于停滞74% 相似待验证精确 K 近邻（KNN）需要遍历所有候选向量，时间复杂度随数据量线性增长，在亿级规模下往往不可接受73% 相似待验证数值微分计算量与参数数量成正比，符号微分会产生表达式膨胀问题，二者在大规模网络中都无法扩展，反向传播是解决方案70% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/987031

API

curl https://kongchang.com/api/v1/knowledge/claims/987031

MCP

get_claim(id=987031)