待验证50% 置信事实精确时间

深度神经网络天然倾向于过拟合训练分布，对分布外样本的处理能力往往大幅下降

1

来源数

50%

置信度

长期有效

时效性

2026/7/10

首次发现

来源

大模型跑分榜单的真相：实战能力才是真正护城河

bilibili卢菁博士_北大AI博士后2026/7/7

相关事实

待验证神经网络存在过度自信缺陷，即便输入落入训练分布之外，Softmax层仍可能输出虚高的置信度分数81% 相似待验证Li等人2018年发现神经网络的有效参数空间维度远低于名义参数量，训练轨迹被限制在低维子空间中80% 相似待验证梯度消失是深层神经网络中梯度值在反向传播过程中指数级衰减，导致靠近输入层的参数几乎得不到更新79% 相似待验证一段数据参与神经网络训练后，其影响以分布式方式弥散在数十亿参数中，难以被真正删除77% 相似待验证跨域微调时学习率过大会破坏预训练权重，过小则几乎学不动，需权衡设置75% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/428962

API

curl https://kongchang.com/api/v1/knowledge/claims/428962

MCP

get_claim(id=428962)