待验证50% 置信事实精确时间

唤醒词训练本质上是关键词检测（KWS）的二分类问题，常见轻量级架构包括DS-CNN和基于LSTM的变体，可压缩到数十KB以内在MCU上本地部署

1

来源数

50%

置信度

长期有效

时效性

2026/10/8

首次发现

来源

ESP32-S3打造桌面机器人Pamk：自定义唤醒词+Gemini替代便利贴

涉及实体

关键词检测concept DS-CNNtechnology

相关事实

待验证现代LLM通常经过专门的微调来学习何时、如何调用工具，训练数据中包含大量工具使用的示例对话70% 相似待验证预训练+微调范式源自NLP和计算机视觉领域，其核心是大规模数据预训练学到通用底层特征，下游任务用少量标注数据适配69% 相似待验证LLM的训练数据包含大量Web开发代码，不加限制时会自然倾向于引入npm包，而这在小程序沙箱环境中会直接导致运行失败67% 相似已验证特征存储通过统一的特征定义层解决训练-服务偏差问题，确保离线训练与在线服务使用一致的特征逻辑67% 相似待验证安全分类器通常基于BERT、RoBERTa等预训练语言模型微调而来，或采用专门训练的轻量级判别模型67% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/987507

API

curl https://kongchang.com/api/v1/knowledge/claims/987507

MCP

get_claim(id=987507)