待验证50% 置信权衡取舍精确时间

分散损失不改变模型架构，也不增加推理阶段的计算负担，仅在训练阶段作为辅助损失发挥作用

1

来源数

50%

置信度

长期有效

时效性

2026/7/7

首次发现

来源

分散损失：破解小语言模型嵌入坍缩的关键技术

hackernewshackernews2026/7/3

相关事实

待验证SFT训练时模型只在assistant部分计算损失（损失掩码技术），即只学习如何回答，不学习如何提问76% 相似待验证该算法的分割辅助分支只在训练时使用，测试推理时完全去掉，不增加推理计算开销71% 相似待验证无模型强化学习经过大量训练后经济表现依然落后于人工规则策略，且继续增加训练步数也无法缩小差距71% 相似待验证对齐训练优化的是模型在已知场景下的统计行为，而非建立可形式化验证的安全边界，面对训练分布之外的罕见指令组合或角色扮演框架时可能失效69% 相似待验证直接调用Cursor后端的方式让开发者无需承担模型训练推理成本即可获得产品级补全质量，但代价是合规性和稳定性风险69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/189250

API

curl https://kongchang.com/api/v1/knowledge/claims/189250

MCP

get_claim(id=189250)