Unverified50% confidenceFactExact time
在满足约束等距性（RIP）的字典下，L1松弛（LASSO）可以精确恢复稀疏解，为L1正则化提供理论保证
1
Sources
50%
Confidence
Long-term
Relevance
7/9/2026
First Seen
Sources
块稀疏特征器：揭开视觉模型神经几何的黑箱
hackernewshackernews7/7/2026
Related Claims
Verified从贝叶斯视角理解，L1正则化对应参数的拉普拉斯先验，L2正则化对应高斯先验68% similarVerified正则化中常见的L1（Lasso）和L2（Ridge）通过在损失函数中加入惩罚项来约束模型复杂度以防止过拟合64% similarUnverifiedL1正则化（Lasso）会产生稀疏解，具有自动特征选择的效果，适合高维稀疏数据62% similarUnverified当特征向量被L2归一化后，余弦相似度等价于点积运算59% similarUnverifiedRL对pass@1的提升而不影响pass@k，本质上是在压缩模型的输出分布使其更集中在正确答案附近，即分布锐化58% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/349288API
curl https://kongchang.com/api/v1/knowledge/claims/349288MCP
get_claim(id=349288)