Unverified50% confidenceFactExact time
经典ODE理论要求向量场在L无穷范数下逐点接近，但扩散模型训练中只能获得L2意义下的score误差估计
1
Sources
50%
Confidence
Long-term
Relevance
7/15/2026
First Seen
Sources
Related Claims
Unverified插值阈值在数学上对应模型参数数量等于训练样本数量的临界点，此时线性方程组恰好有唯一解69% similarUnverified分散损失的梯度回传需穿越L2归一化操作，该操作在向量范数趋近零时存在数值不稳定风险，实现中需加入epsilon平滑项（如ε=1e-8）68% similarUnverified低精度引入的数值扰动会在RL的多轮迭代中通过策略梯度的乘积形式被放大，可能导致训练崩溃或模型性能退化67% similarUnverifiedLeCun批评自回归LLM在系统2慢思考上存在根本性局限、对物理世界缺乏基础、token预测训练信号是平面的66% similarUnverified偏差-方差权衡是监督学习中最核心的理论挑战之一，正则化技术如L1/L2和Dropout可防止过拟合66% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/523848API
curl https://kongchang.com/api/v1/knowledge/claims/523848MCP
get_claim(id=523848)