已验证65% 置信事实精确时间

模型漂移通常分为数据漂移和概念漂移两类，数据漂移指输入数据统计分布随时间变化，概念漂移指输入与输出关系本身发生变化

3

来源数

65%

置信度

长期有效

时效性

2026/7/12

首次发现

来源

AI系统追溯性变更引发信任危机：透明度与可审计性的核心挑战

redditr/GoogleGeminiAI2026/7/10

相关事实

待验证数据分布漂移在机器学习理论中被细分为协变量漂移、标签漂移和概念漂移三类79% 相似已验证模型漂移是指生产环境中输入数据分布随时间变化导致模型预测质量下降74% 相似待验证概念漂移（Concept Drift）指输入变量与目标变量之间的映射关系本身发生变化71% 相似待验证模型漂移（Model Drift）指同一个模型名称下的实际行为随时间发生变化，OpenAI、Google等公司的模型也曾多次出现类似情况70% 相似已验证迁移学习是指将在大规模数据集上预训练好的模型参数迁移到特定小样本任务中进行微调67% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/491534

API

curl https://kongchang.com/api/v1/knowledge/claims/491534

MCP

get_claim(id=491534)