Unverified50% confidenceTradeoffExact time
深度集成（Deep Ensemble）训练多个独立网络并综合其预测分布，性能最优但计算成本最高
1
Sources
50%
Confidence
Long-term
Relevance
7/15/2026
First Seen
Sources
Related Claims
Unverified深度集成（Deep Ensemble）由Lakshminarayanan等人在2017年提出，需训练5-10个独立模型，计算成本通常是单模型的5-10倍79% similarUnverified2017年Shwartz-Ziv和Tishby的工作表明深度网络训练存在两个阶段：先拟合数据（增加与输入的互信息），再压缩表征（减少与输入互信息同时保持与输出互信息）75% similarVerifiedDeepSeek通过混合专家架构（MoE）和强化学习优化，在大幅降低训练成本的同时实现了接近顶尖水平的性能74% similarUnverified现代深度网络往往拥有数十亿乃至上万亿参数，远超训练样本数量，按经典统计学习理论应严重过拟合，实际上却展现出惊人的泛化能力73% similarUnverifiedDeepTutor通过多智能体协作架构，将诊断、规划、讲解、测评等模块协同整合，完成评估、制定计划、讲解练习、更新学习画像的完整教学闭环72% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/523947API
curl https://kongchang.com/api/v1/knowledge/claims/523947MCP
get_claim(id=523947)