待验证50% 置信事实精确时间

机器学习度量语义复杂度通常通过样本复杂度或收敛速度来操作化

1

来源数

50%

置信度

长期有效

时效性

2026/10/9

首次发现

来源

认知温度计：机器学习如何度量语义复杂性

涉及实体

样本复杂度concept

相关事实

待验证IMM算法计算复杂度为O(M²)，M为模型数量，工程实现时需在精度与实时性之间权衡70% 相似待验证实验室会对高复杂度用例进行过滤和加权（filter/up-weight），因为它们对提升模型推理与专业能力最有价值70% 相似待验证大模型参数规模通常从数十亿到数千亿不等，参数量越大对复杂语境理解能力越强，但对算力需求呈指数级增长69% 相似已验证大型语言模型处理长上下文时，注意力机制的计算复杂度与序列长度的平方成正比68% 相似待验证轻量模型通过知识蒸馏、量化等技术压缩参数规模，在推理速度和成本上优化，但在复杂逻辑推理和长上下文理解上有所让步68% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/990296

API

curl https://kongchang.com/api/v1/knowledge/claims/990296

MCP

get_claim(id=990296)