Unverified50% confidenceOpinionExact time
许多影响结果的隐性知识（如优化器前几百步需要特殊的学习率预热策略）难以被标准化表格完整捕捉
1
Sources
50%
Confidence
Long-term
Relevance
9/11/2026
First Seen
Sources
Related Entities
Related Claims
Unverified测量结果受探头角度和插入深度影响，需要一定操作学习成本，初次使用可能出现读数不一致的情况71% similarUnverified跨域微调时学习率过大会破坏预训练权重，过小则几乎学不动，需权衡设置71% similarUnverified在训练中使用预测时无法获取的预测变量是常见错误，例如需要数天才能采集完整的特征无法用于实时预测70% similarUnverified对抗样本攻击的核心原理是通过对输入数据施加人眼几乎不可察觉的微小扰动，让训练好的深度学习模型产生完全错误的输出70% similarUnverified'Be maximally thorough'指令导致模型进行了数十次不必要的知识库检索70% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/900742API
curl https://kongchang.com/api/v1/knowledge/claims/900742MCP
get_claim(id=900742)