待验证50% 置信观点精确时间

蒸馏训练范式导致开源模型学习到经过高度过滤、几乎不包含失败和纠错过程的数据分布，使模型形成不愿自我纠正的性格

1

来源数

50%

置信度

长期有效

时效性

2026/7/6

首次发现

来源

给开源模型加「修复层」：DeepSeek也能超越Claude Opus

bilibiliGelai_AI2026/7/5

相关事实

待验证作者推测蒸馏训练导致开源模型学会坚持己见，倾向认为自己输出正确而重复同样的错误格式81% 相似待验证若合成数据生成过程遗漏关键变量间的相关性，基于此训练的模型在真实部署环境中往往表现失常80% 相似已验证对于训练数据不足的小众领域，大模型会倾向于幻觉式补全，生成看似合理但实际错误的API调用、参数名或返回结构74% 相似待验证纯生成式模型将所有训练数据混合后输出，用户无法追溯单一结论的依据链条，这是相比RAG检索机制的局限73% 相似已验证当模型训练数据包含评测集题目或高度相似内容时，模型可能通过记忆而非真正理解获得高分73% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/114683

API

curl https://kongchang.com/api/v1/knowledge/claims/114683

MCP

get_claim(id=114683)