待验证50% 置信基准精确时间
原始漂移量无法预测少样本成败（相关系数r=0.20），而content delta能有效预测（斯皮尔曼相关rho=+0.65，p=0.043）
1
来源数
50%
置信度
长期有效
时效性
2026/9/16
首次发现
来源
涉及实体
相关事实
待验证当模型对某个训练样本的预测概率接近1时，该样本对应的交叉熵损失趋近于零，模型几乎无法获得梯度更新信号68% 相似待验证当预测的前景像素数量很少或几乎为零时，Dice损失分母接近于零，导致损失值和梯度都可能出现剧烈震荡64% 相似待验证OpenAI的图表显示，在较低的测试时计算量下，模型对这道题的成功率接近零，只有在极长的推理链条下才偶尔成功63% 相似待验证若一道难题在采样中全部失败（pass@k约为0），奖励方差为零，梯度信号几乎消失，参数更新量趋近于零63% 相似待验证在真实映射为均匀随机的假设下，论文证明了错误率下界为 E ≥ (M/N)δ*(B/M) + (1-M/N)(1-1/K)63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/924780API
curl https://kongchang.com/api/v1/knowledge/claims/924780MCP
get_claim(id=924780)