待验证50% 置信事实精确时间

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

1

来源数

50%

置信度

长期有效

时效性

2026/7/15

首次发现

来源

通用机器人策略评估：如何科学衡量真实部署能力

相关事实

待验证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74% 相似待验证朴素训练后量化会导致单个权重误差在多层网络中累积放大，即复合误差，在2位或1位精度下模型结构会崩溃72% 相似待验证低档位（5-10kg）标注精度普遍偏差较大，实际阻力可能与刻度不符，对需要精确渐进康复训练的用户不够友好72% 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70% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/523449

API

curl https://kongchang.com/api/v1/knowledge/claims/523449

MCP

get_claim(id=523449)