已验证65% 置信事实精确时间
上下文中的噪声信息会以非线性方式降低模型推理准确性
3
来源数
65%
置信度
长期有效
时效性
2026/7/7
首次发现
来源
从零手撸AI Agent框架：工具调用、记忆与双模型调度深度拆解
bilibiliAI大模型基地2026/7/5
相关事实
待验证困难负样本（与目标关键词相似但不应触发的音频，如同音词、相似短语）能迫使模型关注真正的判别性特征，从而降低实际环境中的误激活，比单纯增加正样本量更有效77% 相似待验证高偏差意味着模型过于简单导致欠拟合，高方差意味着模型学入噪声导致过拟合，两者往往此消彼长76% 相似待验证方差σ²(x)捕捉认知不确定性与随机不确定性的混合，前者反映模型对数据见得少，后者反映数据本身固有噪声75% 相似待验证如果设定的时长超过了实际提供的内容量，模型会用无意义的杂音去填补空白74% 相似待验证在金融文本预测中，训练loss下降不代表模型学到了可泛化的信号，因为标签本身噪声极高，模型可能只是在拟合噪声。74% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/149098API
curl https://kongchang.com/api/v1/knowledge/claims/149098MCP
get_claim(id=149098)