待验证50% 置信决策规则精确时间

微调值得评估的场景是模型已获得充分信息却反复无法按要求完成任务，信号包括输出schema不一致、分类结果不稳定、领域术语被误解等

1

来源数

50%

置信度

长期有效

时效性

2026/10/12

首次发现

来源

RAG还是微调？先诊断故障再决定是否换模型

涉及实体

Fine-Tuningconcept

相关事实

已验证若用含测试集的全量数据计算均值和标准差，会导致预处理泄漏，使评估指标虚高，无法真实反映模型泛化能力79% 相似待验证在狭窄缺陷的数据上做微调，有时会让模型产生广泛的失准（broadly misaligned）79% 相似待验证如果参数量充足的模型连几十个样本都无法记住，几乎可以断定存在硬性错误，如标签错位、损失函数计算错误、梯度未正确回传等78% 相似已验证漂移检测存在权衡：阈值设置过于敏感会导致频繁误报和不必要的重训，设置过于宽松则可能让模型性能在无感知中持续退化78% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1004512

API

curl https://kongchang.com/api/v1/knowledge/claims/1004512

MCP

get_claim(id=1004512)