待验证50% 置信事实精确时间

MaRN 将网络参数的更新约束或重参数化到一个更低维的子空间中，从而改变训练的优化动力学与资源占用方式

1

来源数

50%

置信度

长期有效

时效性

2026/10/9

首次发现

来源

MaRN：通过低维参数映射训练神经网络的PyTorch库

涉及实体

相关事实

待验证针对特定任务域进行专项训练可在换取通用能力适度取舍的前提下削减推理计算资源71% 相似待验证领域自适应作为迁移学习子领域，常用方法包括对抗训练（DANN）、最大均值差异最小化（MMD）以及基于元学习框架（如MAML）的少样本适应70% 相似待验证域适应（Domain Adaptation）的核心目标是让在源域上训练的模型能够良好泛化到分布不同的目标域70% 相似待验证在分布式训练中，少量节点内核参数与其他节点不一致会拖低整个训练作业的吞吐量，形成短板节点69% 相似待验证强化学习中策略网络通过最大化累积奖励来优化参数，具有信息瓶颈特性，倾向于只编码对任务目标有用的信息69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/991075

API

curl https://kongchang.com/api/v1/knowledge/claims/991075

MCP

get_claim(id=991075)