待验证50% 置信事实精确时间
高杠杆点会显著抬高训练集R²，却对样本外表现贡献甚微，从而让传统收缩公式高估预测能力。
1
来源数
50%
置信度
长期有效
时效性
2026/10/14
首次发现
来源
涉及实体
相关事实
待验证缺乏约束的基础prompt会导致模型回退到训练数据中最常见的平均态输出，而个性化深度的prompt可显著提升输出独特性75% 相似已验证单纯堆砌参数而训练数据不足会导致模型大而不强，参数跃升需配合同步扩大的训练语料与算力才能兑现能力增益74% 相似待验证过拟合指模型在训练集表现极好但在新数据泛化能力差的现象，在样本量偏小的药学数据集中风险尤为突出73% 相似待验证小模型通过知识蒸馏通常比直接在标注数据上训练精度高出2-5个百分点72% 相似待验证经过特征分离和物理稀疏先验两项修正后，改进的分层DSR模型能够正确预测分岔及分岔之后的动力学行为，且训练过程未提供任何关于控制参数的显式信息72% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1026674API
curl https://kongchang.com/api/v1/knowledge/claims/1026674MCP
get_claim(id=1026674)