待验证50% 置信事实精确时间
自动驾驶系统需要处理光照剧烈变化、遮挡、罕见物体识别等训练数据中出现频率极低但对安全至关重要的长尾问题
1
来源数
50%
置信度
长期有效
时效性
2026/9/9
首次发现
来源
涉及实体
相关事实
待验证内置极米自研光学系统和智能校正功能（自动梯形校正、自动对焦、智能避障），开机即用体验好，适合不愿频繁手动调校的用户70% 相似待验证欧拉框架下每个训练信号衡量相邻两帧之间的运动，位移较小可稳定落在光流估计器可靠工作区间内，从而约束监督误差不随序列长度累积放大65% 相似待验证在视觉对齐训练阶段冻结LLM主干参数、分阶段训练、数据配比回放和LoRA等方法可缓解多模态训练中的灾难性遗忘问题64% 相似待验证训练监测精度要求±1.5%以内，参加功率数据比赛或Zwift竞速建议选±1%级别（如Favero、Quarq、SRM），±2%以上的产品用于结构化训练时FTP区间会产生明显偏差64% 相似待验证自带AIM-N-FLASH网格瞄准孔，无经验者也能较快对准目标方向发送信号，但需要提前练习掌握技巧，紧急时才能有效使用63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/884373API
curl https://kongchang.com/api/v1/knowledge/claims/884373MCP
get_claim(id=884373)