待验证50% 置信事实精确时间

高斯分布的尾部呈指数级快速衰减，导致基于高斯假设的模型对离群点敏感

1

来源数

50%

置信度

长期有效

时效性

2026/8/31

首次发现

来源

从零编码机器学习概率分布：高斯、Beta、Gamma分布实践指南

涉及实体

高斯分布concept

相关事实

待验证更小的模型在长推理链任务上的表现往往指数级下降而非线性退化73% 相似已验证梯度下降通过沿着损失函数梯度的反方向迭代调整权重使预测误差逐步收敛71% 相似待验证对 MoE 模型的低比特量化容易造成路由偏差，进而导致某些能力维度出现突然退化69% 相似待验证梯度消失是深层神经网络中梯度值在反向传播过程中指数级衰减，导致靠近输入层的参数几乎得不到更新69% 相似待验证策略拥挤效应会导致因子预测能力衰减、夏普比率下降，甚至在市场压力时期出现因子崩溃69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/827777

API

curl https://kongchang.com/api/v1/knowledge/claims/827777

MCP

get_claim(id=827777)