待验证50% 置信事实精确时间

先在未蒸馏基础模型上做遗忘再重新蒸馏得到已遗忘FSD模型的路线，会带来巨大的计算和时间开销

1

来源数

50%

置信度

长期有效

时效性

2026/10/9

首次发现

来源

少步蒸馏文生图模型的概念遗忘：偏好驱动框架解析

涉及实体

FSD模型concept

相关事实

待验证将为多步模型设计的遗忘目标套用到少步蒸馏（FSD）模型上时，遗忘效果会大打折扣80% 相似待验证推理模型陷入循环会持续消耗算力与费用，对按量计费的云端服务意味着成本浪费72% 相似待验证量化金融中存在过拟合陷阱：模型在回测中表现优异，实盘中却大幅回撤，本质上是对历史噪声的记忆而非规律提取72% 相似待验证小型模型推理时框架带来的启动开销、内存拷贝和调度延迟可能远超实际的矩阵运算时间69% 相似待验证量化与内存卸载叠加使用理论上可在极低显存环境下加载远超容量的模型，但数据搬运会产生额外延迟，实际推理速度往往只有纯显存运行的几分之一69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/990735

API

curl https://kongchang.com/api/v1/knowledge/claims/990735

MCP

get_claim(id=990735)