待验证50% 置信事实精确时间
QD-C和QD-R两种方法均无需额外训练数据,即可在零样本条件下实现有效的查询分解。
1
来源数
50%
置信度
长期有效
时效性
2026/11/13
首次发现
来源
涉及实体
相关事实
待验证零样本泛化指模型在未经过任何目标数据集训练或微调的情况下,直接迁移到新数据集上仍能保持可用性能。67% 相似待验证Zero Data Retention 与 No Training 是企业采购 AI 服务时最常见的两项合规门槛,通常以逐请求开关形式提供。66% 相似待验证在填充任务上,Diffusion-LM在自动评估指标上优于COLD和DELOREAN等基于连续松弛的方法,并达到专门从零训练的自回归模型水平且无需针对性训练66% 相似待验证零样本评估指模型未在ALFRED训练集上微调,直接测试其泛化能力。65% 相似待验证SMD 的排斥机制不需要对抗训练中常见的判别器,也不需要在线 score 估计,只是对训练目标做了一项额外约束,训练开销几乎为零。65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1165026API
curl https://kongchang.com/api/v1/knowledge/claims/1165026MCP
get_claim(id=1165026)