Unverified50% confidenceSolutionExact time
深度监督在语义分割任务中通常以主损失加权求和辅助损失的形式实现，辅助损失权重在训练后期往往逐步衰减
1
Sources
50%
Confidence
Long-term
Relevance
9/16/2026
First Seen
Sources
Related Entities
Related Claims
VerifiedMoE训练时通常需引入辅助损失强制负载均衡，否则会形成少数Expert富者愈富的马太效应导致大多数Expert退化为死代码73% similarUnverified训练模型的核心过程是通过梯度下降法沿着损失函数的梯度方向迭代更新参数71% similarUnverified分散损失不改变模型架构，也不增加推理阶段的计算负担，仅在训练阶段作为辅助损失发挥作用71% similarVerifiedSFT训练时模型只在assistant部分计算损失（损失掩码技术），即只学习如何回答，不学习如何提问69% similarUnverified递归训练大量使用以任务完成率、代码运行结果为奖励信号，缺乏对叙事一致性的显式监督，可能导致语言建模通用能力的灾难性遗忘，在小参数量模型上更明显69% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/926042API
curl https://kongchang.com/api/v1/knowledge/claims/926042MCP
get_claim(id=926042)