待验证50% 置信事实精确时间
Hamiltonian神经网络（HNN）的训练和推理都依赖于目标系统的广义动量，这一依赖严重限制了其在实际场景中的应用。
1
来源数
50%
置信度
长期有效
时效性
2026/11/3
首次发现
来源
涉及实体
相关事实
待验证对齐困难的原因包括：能力越强的系统越可能发展出与训练目标不一致的次级目标（如资源获取、自我保存），且其内部决策过程难以被外部审查。68% 相似待验证深度神经网络在目标识别任务上往往比规则系统更准确，但其决策过程难以被非专业人员审查68% 相似待验证绝大多数模型的预训练语料是闭源的，导致成员推断研究只能依赖启发式方法构造成员与非成员，可能引入系统性偏差65% 相似待验证模型在用户诱导下执行隐写属于工具滥用问题，而在未被要求时自行嵌入隐藏信息则可能反映训练目标或奖励机制的缺陷64% 相似待验证运行时改进的改进上限受限于基座模型的固有能力，模型无法通过运行时优化突破其预训练所获得的知识和推理能力边界64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1128942API
curl https://kongchang.com/api/v1/knowledge/claims/1128942MCP
get_claim(id=1128942)