Unverified50% confidenceFactExact time
TimesFM在数千个不同领域、不同频率、不同模式的时间序列数据集上完成了预训练
1
Sources
50%
Confidence
Long-term
Relevance
9/5/2026
First Seen
Sources
Related Entities
Related Claims
Unverified标准SVM(使用SMO等优化算法)的训练时间复杂度介于O(n²)到O(n³)之间，样本量从1000增加到10000理论耗时可能增加100到1000倍63% similarUnverifiedFine-tuning在预训练模型基础上用数千至数万条领域数据二次更新参数，更适合固定格式输出、高度专业化的垂直场景，知识更新灵活性较低60% similarUnverifiedSVM训练运行时间由训练次数与单次训练复杂度共同决定，而非仅取决于数据量大小60% similarUnverifiedLLM的输出结果天然倾向于训练集中出现频率最高的模式组合，即统计意义上的最大公约数59% similarUnverified跑步用节拍器区分'固定BPM'与'跟随实时步频报警'两种模式，前者训练稳定节奏，后者监测偏差，功能诉求不同应先明确再选型59% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/859076API
curl https://kongchang.com/api/v1/knowledge/claims/859076MCP
get_claim(id=859076)