Unverified50% confidenceBenchmarkExact time
在接近1000亿token的训练规模下，多项式版本与原生实现的最终平滑训练损失差异落在-0.107到+0.079之间
1
Sources
50%
Confidence
Long-term
Relevance
10/4/2026
First Seen
Sources
Related Entities
Related Claims
Unverified三代模型的预训练验证损失呈稳定下降趋势：2.87→2.78→2.5977% similarUnverified训练后的模型每token负对数似然（NLL）为0.93，而随机初始化的同结构孪生模型为12.6074% similarUnverified测试损失与计算量之间的幂律指数约为0.05，意味着计算量每增加10倍，模型性能提升约12%73% similarUnverified整个训练过程中，flow-matching 损失仅从 0.805 缓慢下降到 0.75472% similarUnverified即使只有5-10%的训练样本存在错位，也会导致VLM模型在下游任务上出现显著的性能退化70% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/971820API
curl https://kongchang.com/api/v1/knowledge/claims/971820MCP
get_claim(id=971820)