待验证50% 置信基准精确时间

属性切片分析显示，当画面中同时存在的参考文字区域数量增加时，模型分数会显著下滑

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/10/12

首次发现

有效期至：2027/1/10

来源

TextVBench：视频生成中文字渲染评测的新基准

涉及实体

TextVBenchproduct

相关事实

待验证embedding模型的版本更新可能导致语义向量空间发生偏移，使原本高排名的相关文档被不太相关的文档取代71% 相似已验证当关键信息被放置在长文本的中间位置时，模型的检索和推理准确率会显著下降，而放在开头或结尾的信息则能被较好地利用70% 相似待验证由于标签定义不同，在一个数据集上取得高分的模型换到另一个数据集后性能可能大幅下滑，跨论文数字未必可比69% 相似待验证若只用新增类别数据微调扩展后的分类头，模型极易出现灾难性遗忘，急剧丧失对原有类别的识别能力69% 相似待验证降本往往伴随质量妥协：更短的上下文可能导致模型遗漏关键信息，更激进的缓存可能引入陈旧数据69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1001575

API

curl https://kongchang.com/api/v1/knowledge/claims/1001575

MCP

get_claim(id=1001575)