待验证50% 置信事实精确时间
彩票假设由Frankle与Carlin于2019年提出，指出随机初始化的大型神经网络中存在一个规模更小的子网络，单独训练时可达到与原始网络相近甚至更好的性能
1
来源数
50%
置信度
长期有效
时效性
2026/10/8
首次发现
来源
涉及实体
相关事实
待验证神经网络的普适逼近定理指出，足够宽或足够深的网络可以逼近任意连续函数，但未回答达到特定精度所需的网络规模72% 相似待验证深度学习中的随机种子控制权重初始化、数据加载批次打乱顺序、Dropout神经元随机失活以及优化器中的随机梯度估计等多个随机性来源70% 相似待验证NNUE利用棋盘变化的稀疏性只更新受影响的网络激活值，推理速度比传统深度神经网络快两个数量级，可在CPU上实时运行68% 相似待验证朴素训练后量化会导致单个权重误差在多层网络中累积放大，即复合误差，在2位或1位精度下模型结构会崩溃67% 相似待验证即便固定所有随机种子，在不同硬件或并行度下，训练结果仍可能出现被大模型放大为显著能力差异的细微偏差67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/988397API
curl https://kongchang.com/api/v1/knowledge/claims/988397MCP
get_claim(id=988397)