待验证50% 置信基准精确时间

在MS MARCO上随机批次训练损失快速收敛但泛化性能落后于Hobbit构造的难批次，后者训练损失更高但检索准确率大幅领先

1

来源数

50%

置信度

长期有效

时效性

2026/7/16

首次发现

来源

检索新范式：Hobbit难负样本构造与Disco协同覆盖索引设计

相关事实

待验证在稠密检索中，批内负样本训练要求批次包含有信息量的负样本，随机采样会导致训练损失快速收敛但泛化性能差74% 相似已验证过拟合是指模型在训练数据上表现优异，但在未见过的测试数据上性能大幅下降的现象71% 相似待验证在收敛型任务上，模型达到一定规模后存在明显的性能饱和现象，参数量或训练数据的继续增加对准确率的边际贡献快速衰减69% 相似待验证混合精度训练通常配合损失缩放（Loss Scaling）技术使用，以防止梯度在 FP16 表示范围内消失68% 相似待验证仅用成功轨迹训练的模型往往存在分布外泛化的严重缺陷，遇到工具返回错误时便丧失纠偏能力68% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/527096

API

curl https://kongchang.com/api/v1/knowledge/claims/527096

MCP

get_claim(id=527096)