待验证85% 置信事实时间未知
Meta的LLaMA系列和Mistral等开源模型大幅降低了模型获取门槛
1
来源数
85%
置信度
长期有效
时效性
2026/5/31
首次发现
来源
Make No Little Plans：AI时代为什么要敢做大计划
twitterkevinweil
涉及实体
相关事实
待验证基于闭源API进行微调存在路径依赖风险，底层模型下线时定制调整随之消失，因此推荐使用ChatGLM、LLaMA等开源可商用模型进行微调64% 相似待验证Meta开源的Llama Guard系列基于Llama架构微调，专门针对有害内容分类任务优化，参数量远小于完整生成模型64% 相似待验证在决策覆盖攻击测试中，前沿模型表现更差，而该开源模型0%被覆盖决策57% 相似待验证若只用新增类别数据微调扩展后的分类头，模型极易出现灾难性遗忘，急剧丧失对原有类别的识别能力56% 相似待验证数据多样性对模型泛化能力的影响往往比数据规模更为根本，仅在特定分布上过度拟合的模型在真实部署时表现骤降56% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/12876API
curl https://kongchang.com/api/v1/knowledge/claims/12876MCP
get_claim(id=12876)