Unverified50% confidenceFactExact time
Vicinal Risk Minimization（VRM）理论由Chapelle等人在2001年提出，主张在训练样本的邻域上最小化风险
1
Sources
50%
Confidence
Long-term
Relevance
7/15/2026
First Seen
Sources
Related Claims
UnverifiedGPTQ是基于逐层误差补偿的训练后量化方案，精度损失最小61% similarUnverifiedEthayarajh等人于2019年通过实证研究揭示BERT、GPT等预训练模型的词向量高度集中在狭窄的锥形区域内，存在各向异性61% similarUnverifiedConway 将仅有编程与领域知识而缺乏统计的区域标注为「危险地带（Danger Zone）」，警示这类从业者容易产生统计上站不住脚的结论61% similarUnverified小模型在分布内高性能的同时存在分布外脆弱性，一旦推理时的工具描述措辞、参数命名或用户查询风格偏离训练集，成功率可能显著下滑59% similarUnverified2024年的研究表明，即使经过专门的安全对齐训练，主流模型对精心构造的注入攻击的防御成功率仍不足90%59% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/518101API
curl https://kongchang.com/api/v1/knowledge/claims/518101MCP
get_claim(id=518101)