Unverified50% confidenceFactExact time
第290轮时损失出现反弹（+0.002），表明模型可能已接近当前配置的性能上限
1
Sources
50%
Confidence
Long-term
Relevance
9/12/2026
First Seen
Sources
Related Entities
Related Claims
Verified对于参数量大于30B的模型，4-bit量化造成的性能损失通常在基准测试中下降1-3%，但对小模型影响更显著68% similarUnverified大模型的性能提升已经明显放缓，最近新版本的评分甚至不一定超越之前的模型，能力基本已定型68% similarUnverifiedDixon-Coles模型在双泊松模型基础上引入了低比分修正项，弥补了0:0和1:0等低分比赛中泊松假设的偏差65% similarUnverifiedFastEmbed-rs所使用的量化模型在MTEB基准测试中相比全精度模型的性能下降通常控制在1-2%以内65% similarUnverified如果模型跑BF16训练但DCGM_FI_PROF_PIPE_TENSOR_ACTIVE指标长期低于30%，基本可以断定算力被严重浪费64% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/910716API
curl https://kongchang.com/api/v1/knowledge/claims/910716MCP
get_claim(id=910716)