待验证50% 置信事实精确时间
NANO的更新特性包括：对主损失的一阶效应与仅使用主目标时完全相同；辅助步长有界；斥力集中在主梯度接近零的坐标方向上。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/11/4
首次发现
有效期至：2027/2/2
来源
涉及实体
相关事实
待验证NANO（非干扰非对称网络优化）在AdamW优化器下实现辅助梯度与主目标梯度的非干扰。68% 相似待验证在元损失中加入锚点任务项，锚点权重λ取0.1到0.3的小值就能获得大部分稳定性收益，同时不牺牲适应速度。66% 相似待验证梯度提升（Gradient Boosting）将AdaBoost的思想推广到任意可微损失函数，其核心操作是每一轮新模型拟合上一轮的残差62% 相似待验证Handwired 文档说明比较操作回传的是阶跃函数的导数，除了比一个网格步长还窄的缝隙之外处处为零。61% 相似待验证随机梯度下降（SGD）、动量法、Adam 等优化器都是在基本梯度下降框架上改进更新策略的变体。60% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1134387API
curl https://kongchang.com/api/v1/knowledge/claims/1134387MCP
get_claim(id=1134387)