待验证50% 置信事实精确时间
梯度方法通常只能找到松弛问题的局部最优，取整后不一定是最优0/1解。
1
来源数
50%
置信度
长期有效
时效性
2026/10/17
首次发现
来源
涉及实体
相关事实
待验证该参数化方式将整个估计问题归结为一个凸优化问题，凸性意味着不存在局部最优解的困扰，求解过程稳定且可复现。78% 相似待验证变分不等式相比标准凸优化更难处理，主要原因在于其算子的单调性并不等价于某个凸函数的梯度结构72% 相似待验证梯度下降在众多能完美拟合训练集的解中天然倾向于选择更平坦、更简单的解，这一隐式正则化效应与泛化能力密切相关72% 相似待验证即使松弛问题求得全局最优，取整后的0/1解与真实最优解之间仍存在积分间隙（integrality gap），其大小取决于具体实例结构。71% 相似待验证梯度估计仅在干预幅度足够小、模型局部近似线性的条件下有效，对于大范围引导或非线性极强的响应函数，一阶近似可能失真。71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1051483API
curl https://kongchang.com/api/v1/knowledge/claims/1051483MCP
get_claim(id=1051483)