待验证60% 置信事实精确时间
参数化知识固化在模型权重中，训练结束后无法在不重新训练的情况下更新；非参数化知识存储在外部数据库中，可随时增删改查
2
来源数
60%
置信度
长期有效
时效性
2026/7/12
首次发现
来源
Embedding微调实战：提升RAG检索质量的核心优化手段
bilibili研究院张Q2026/7/8
相关事实
已验证单纯堆砌参数而训练数据不足会导致模型大而不强，参数跃升需配合同步扩大的训练语料与算力才能兑现能力增益75% 相似已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75% 相似待验证大模型的参数化知识只覆盖训练语料截止之前的内容，不包含企业内部文档、数据库和工单；上下文窗口（如8K、128K token）决定了单次能塞入多少信息，超出会被截断。75% 相似待验证当线上数据分布偏离训练数据时，模型性能会退化（数据漂移与模型衰减），需要触发重新训练73% 相似待验证大模型的权重在训练完成后就已固定，每次推理不会修改权重，也不会在服务端为用户保留状态73% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/489917API
curl https://kongchang.com/api/v1/knowledge/claims/489917MCP
get_claim(id=489917)