待验证50% 置信事实精确时间

ViT通常需要更大规模的数据预训练，否则在小数据集上容易欠拟合。

1

来源数

50%

置信度

长期有效

时效性

2026/10/14

首次发现

来源

BrainAid：轻量CNN+可解释AI实现脑肿瘤检测

涉及实体

相关事实

待验证相比全量预训练，SFT 所需的数据量和算力要小得多，但仍需要 GPU 集群、分布式训练框架以及检查点管理和实验追踪能力76% 相似待验证在小数据集上应采用COCO等大规模数据集上预训练的DETR权重进行微调，而非从零训练74% 相似待验证全局分类不适合局部篡改检测，在小数据场景中自监督预训练与领域先验往往比更大的模型更有效73% 相似待验证该分类器仅使用监督微调（SFT）、公开数据集和两个简单技巧训练，未依赖闭源数据或昂贵的定制流程70% 相似待验证前沿通用大模型无需任务专门优化但往往只能通过API调用，而更小的专用模型需要针对性训练但可在本地部署，更适合医疗数据隐私场景69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1028216

API

curl https://kongchang.com/api/v1/knowledge/claims/1028216

MCP

get_claim(id=1028216)