待验证50% 置信事实精确时间
分布漂移是行为克隆的核心缺陷，因训练数据全部来自正确操作轨迹，模型未见过犯错后如何恢复的场景
1
来源数
50%
置信度
长期有效
时效性
2026/7/10
首次发现
来源
行为克隆训练失败？数据质量与调优的系统排查指南
redditr/learnmachinelearning2026/7/9
相关事实
待验证行为克隆（Behavioral Cloning）作为最基础的模仿学习方法存在复合误差（Compounding Error）问题，模型在训练分布之外的状态上容易产生级联失败78% 相似待验证自回归生成系统训练采用Teacher Forcing策略，推理阶段切换为自回归模式后产生分布偏移导致误差累积放大74% 相似待验证蒸馏训练范式导致开源模型学习到经过高度过滤、几乎不包含失败和纠错过程的数据分布，使模型形成不愿自我纠正的性格73% 相似待验证若合成数据生成过程遗漏关键变量间的相关性，基于此训练的模型在真实部署环境中往往表现失常71% 相似待验证提示注入利用的是模型无法可靠区分「数据」与「指令」的天然缺陷，这一缺陷根植于LLM的训练机制本身71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/464201API
curl https://kongchang.com/api/v1/knowledge/claims/464201MCP
get_claim(id=464201)