Unverified50% confidenceFactExact time
AdaBoost在每一轮训练后会给被错误分类的样本赋予更高的权重，使下一个弱学习器更关注这些难分样本
1
Sources
50%
Confidence
Long-term
Relevance
10/4/2026
First Seen
Sources
Related Entities
Related Claims
UnverifiedAdaBoost通过权重调整传递错误信号，深度学习通过反向传播把误差梯度逐层回传，两者都以'从错误中学习'为驱动力77% similarUnverified在稠密检索中，批内负样本训练要求批次包含有信息量的负样本，随机采样会导致训练损失快速收敛但泛化性能差75% similarUnverifiedALiBi（线性偏置位置编码）允许模型在推理时泛化到训练时未见过的更长序列，Flash Attention 通过分块计算大幅降低显存占用71% similarUnverified当训练数据存在过度自信的分布偏移时，修复应发生在推理时的中间件层而非等待下一轮模型训练71% similarUnverified标准化基准测试存在分布外泛化的局限，智能体可能通过记忆训练集模式得分而非真正具备推理能力70% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/973921API
curl https://kongchang.com/api/v1/knowledge/claims/973921MCP
get_claim(id=973921)