待验证50% 置信事实精确时间
用随机旋转样本训练的无约束图模型能降低坐标依赖，但无法彻底消除它
1
来源数
50%
置信度
长期有效
时效性
2026/10/9
首次发现
来源
涉及实体
相关事实
待验证标准CNN具备平移等变性但不具备旋转等变性，工程师通常依赖数据增强随机旋转训练样本来识别不同角度物体74% 相似已验证域随机化技术在训练时随机扰动物理参数（如质量、摩擦系数、电机延迟等），迫使策略学会在各种条件下鲁棒运行72% 相似待验证数据增强通过对训练样本施加随机变换（如旋转、翻转、缩放、裁剪、颜色抖动等）来人工扩大训练集规模，其理论基础是正则化72% 相似待验证扩散模型的训练目标为简单的去噪均方误差，相比GAN避免了对抗训练的不稳定性，降低了模式崩塌的风险72% 相似已验证对齐训练优化的是模型在已知场景下的统计行为，而非建立可形式化验证的安全边界，面对训练分布之外的罕见指令组合或角色扮演框架时可能失效71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/990596API
curl https://kongchang.com/api/v1/knowledge/claims/990596MCP
get_claim(id=990596)