待验证50% 置信事实精确时间
ML-KEM和ML-DSA的安全性建立在'格上最短向量问题'等迄今为止既抗量子、也未被AI显著加速破解的数学难题之上
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ML-KEM 的安全性建立在模格上的学习带误差（Module-LWE）问题之上，具有最坏情形到平均情形的归约证明74% 相似待验证ML系统的调试和优化需要从数学层追溯到工程层，这种跨层依赖性在传统软件开发中极为罕见66% 相似待验证量化的核心挑战在于处理权重分布中的异常值，LLM权重中少量极大值会显著放大量化误差63% 相似待验证对于经验测度情形，迭代退化为L²(ρ_N)内积下的有限维信赖域方法，当初始目标间隙一致有界时复杂度常数与粒子数和维度均无关63% 相似待验证GPTQ由Frantar等人于2022年提出，基于Hessian矩阵的逆来最小化量化误差；AWQ由MIT的Ji Lin等人提出，核心洞察是少数与大激活值相关的权重通道应保留更高精度62% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/989257API
curl https://kongchang.com/api/v1/knowledge/claims/989257MCP
get_claim(id=989257)