待验证60% 置信事实时间未知

训练数据中的重复内容会导致模型记忆化和性能下降

2

来源数

60%

置信度

长期有效

时效性

2026/6/1

首次发现

来源

GitHub 8K Star：最全LLM大语言模型资源库深度解析

githubWangRongsheng

相关事实

待验证偶发性故障的内存条可能交替产生正确和错误的计算结果，导致神经网络训练中梯度计算偶发性偏差，影响模型收敛性且不触发硬件告警79% 相似已验证过拟合是指模型在训练数据上表现优异，但在未见过的测试数据上性能大幅下降的现象79% 相似待验证文生图模型的理解本质上是大规模统计关联，面对训练集中稀少出现的长尾概念时生成质量会显著下滑78% 相似待验证当生成模型反复在自身生成的数据上训练时，输出分布会逐渐退化，低概率事件被系统性遗忘77% 相似待验证差分隐私训练、去重预处理和机器遗忘等缓解记忆化的技术方案均会在不同程度上牺牲模型性能77% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/33422

API

curl https://kongchang.com/api/v1/knowledge/claims/33422

MCP

get_claim(id=33422)