待验证50% 置信决策规则精确时间

在 MobileNetV2 微调中，数据量越接近原始预训练分布、样本越少，冻结的比例可以越高；反之则应放开更多层参与训练。

1

来源数

50%

置信度

长期有效

时效性

2026/10/21

首次发现

来源

MobileNetV2微调与层冻结实战指南

涉及实体

MobileNetV2model 层冻结concept

相关事实

待验证当线上数据分布偏离训练数据时，模型性能会退化（数据漂移与模型衰减），需要触发重新训练74% 相似待验证分布式训练时保存检查点还需保存数据加载器的状态和随机数种子，否则恢复后数据顺序和增广结果会不一致，导致训练不可复现。73% 相似待验证分配给预训练的算力越多，下游任务的pass@1奖励就越高，预训练损失越低模型在后续RL中获得的收益越大72% 相似待验证第一轮随机任务训练分数提升很小，因为大量训练时间浪费在模型稳定做对或做错的样本上。72% 相似待验证参数量相似的情况下，训练数据质量分布的差异往往比架构差异更能决定特定场景的表现上限72% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1083237

API

curl https://kongchang.com/api/v1/knowledge/claims/1083237

MCP

get_claim(id=1083237)