待验证50% 置信概念精确时间
假阴性是对比学习中的一类特殊噪声：数据集中存在语义上与锚点样本高度匹配、却因标注不完整而未被记录为正例的样本，当它们被当作负例参与训练时会扭曲嵌入空间。
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
待验证野外基准测试指的是在非受控环境下采集或生成的深度伪造数据集，其特点是光照多变、背景杂乱、说话人姿态自由、摄像机可能运动，且音频常伴有噪声和混响。76% 相似待验证困难负样本（与目标关键词相似但不应触发的音频，如同音词、相似短语）能迫使模型关注真正的判别性特征，从而降低实际环境中的误激活，比单纯增加正样本量更有效75% 相似已验证大模型幻觉产生的三大原因是训练数据噪声、概率优先机制和数据时效性不足74% 相似已验证样本过于简单则模型无学习价值，过于困难则可能引入噪声学习信号干扰训练，最有效的学习发生在略高于当前能力但仍可企及的区域74% 相似待验证监督学习模型在未见数据上的期望误差可分解为偏差²、方差和不可约噪声三个分量74% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1028178API
curl https://kongchang.com/api/v1/knowledge/claims/1028178MCP
get_claim(id=1028178)