待验证50% 置信事实精确时间

精排层普遍使用深度学习模型如Wide&Deep、DeepFM或Transformer架构进行CTR预估和互动概率计算

1

来源数

50%

置信度

长期有效

时效性

2026/8/18

首次发现

来源

X平台推荐算法被曝过滤巴西选举内容，算法透明度再引争议

相关事实

待验证N-BEATS和DeepAR分别代表了纯深度学习和概率预测的方向77% 相似待验证深度ControlNet接受由MiDaS、DPT或Depth Anything等模型估算的深度图作为输入76% 相似待验证深度学习中CNN用于提取神经信号的空间特征，RNN/LSTM和Transformer架构用于捕捉时序依赖关系76% 相似待验证现代社交平台推荐系统通常基于深度学习模型，使用Wide & Deep、DeepFM或Transformer等架构在数十亿条内容中实时排序76% 相似待验证深度生成模型通过学习高维数据中的低维流形结构来规避维度灾难75% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/768868

API

curl https://kongchang.com/api/v1/knowledge/claims/768868

MCP

get_claim(id=768868)