LACS 让剪枝阈值随当前置信度分布移动：CIFAR-10 反向行少 29%，准确率均值 89.77% 对 89.82%
训练时哪些样本进入反向传播，不再由预先设定的固定配额或绝对置信度阈值决定。LACS 把每个候选样本指数化的最大预测置信度与当前总体的指数均值相比较，在零处截断系数，等价于一条对数均值指数参照加余量的阈值，保留数量随分数分布一起变化。在 CIFAR-10 上，它比全量交叉熵少算 29% 的反向行，准确率均值 89.77% 对 89.82%，三个种子的区间跨零；在 14 个表格数据集上，二次提升把平均测试误差从 23.36% 降到 22.96%。