待验证50% 置信事实精确时间
复现实验的任务是在全分辨率（784 像素）的 MNIST 数据集上进行 3 与 5 的二分类，训练集规模 N 从 2000 到 10000 设置五档。
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
涉及实体
相关事实
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% 相似待验证一位Reddit用户报告使用约300万参数的预训练U-Net，训练集550张图像、验证集150张图像，单独用交叉熵损失时收敛良好，引入Dice损失后Dice分数出现剧烈波动63% 相似待验证后训练量化通过少量代表性校准数据（通常128-1024条样本）前向传播收集各层激活统计特征，常用校准数据集包括WikiText-2、C4和Pile子集62% 相似待验证对于图像到矢量这类复杂生成任务，通常需要数千到数万对高质量样本才能训练出效果稳定的模型61% 相似待验证LoRA微调通过在模型权重矩阵旁注入低秩分解矩阵实现轻量级个性化训练，可用数十张角色图像训练出仅数十MB的适配器61% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1012978API
curl https://kongchang.com/api/v1/knowledge/claims/1012978MCP
get_claim(id=1012978)