待验证60% 置信事实精确时间

LIME通过在目标样本周围构造扰动数据集，训练局部可解释的线性模型来近似复杂模型的局部行为

2

来源数

60%

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

已验证微调是在通用预训练模型基础上用特定领域数据进行二次训练，使模型能将领域知识内化为参数，推理时无需额外检索步骤，延迟更低76% 相似待验证微调是拿一个已有的大模型，用自己准备的专属数据集进行进一步训练，从而改变模型的权重数值76% 相似待验证若训练数据完全由正样本构成，模型会倾向于对任何输入都强行调用工具，产生幻觉式调用73% 相似待验证在指令微调阶段，如果训练数据包含大量遵循MECE结构的案例，模型会习得先搭框架再填细节的输出范式73% 相似待验证该方法训练一个单一的条件潜在扩散模型，可根据方向标志将动态系统在时间上向前推进或向后回溯73% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/491536

API

curl https://kongchang.com/api/v1/knowledge/claims/491536

MCP

get_claim(id=491536)