待验证50% 置信基准精确时间
Le Chonk 在本地微调任务中获得 10/10，完整走完生成熊猫知识数据集、本地微调 Gemma 2B 模型、训练 400 步 LoRA 适配器、将验证损失从约 7.97 降到 0.31 的全流程
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/11
首次发现
有效期至：2027/1/9
来源
涉及实体
相关事实
待验证仅用10个情景微调GridSFM即可把成本误差降到2%以下、可行性检测拉到90%以上，用1000个情景可达样本内精度水平63% 相似待验证在演示数据集上训练15轮后，文本分类模型准确率达到99%，模型总参数11万（Attention 1.6万，FFN 3.3万，其余为Embedding）62% 相似待验证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%62% 相似待验证在朴素训练下，网络先在任务A上训练到100%准确率，随后仅用任务B数据训练，任务A准确率从100%跌到64%，任务B达到100%62% 相似待验证在MNIST CNN任务中，MaRN将可训练参数从107,998个压缩到1,872个（约57.7倍），保持91.80%准确率61% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1000072API
curl https://kongchang.com/api/v1/knowledge/claims/1000072MCP
get_claim(id=1000072)