待验证50% 置信权衡取舍精确时间

CPT和SFT把知识烧进模型权重，对于频繁更新的文档场景每次改动都需重新训练，成本极高

1

来源数

50%

置信度

长期有效

时效性

2026/7/16

首次发现

来源

本地小模型成为软件专家？RAG架构实战方案解析

相关事实

待验证继续预训练（CPT）是在通用基座模型上用领域语料进行额外的无监督训练，让模型吸收领域知识71% 相似待验证精确遗忘通过剔除目标数据后重新训练模型实现完全删除，对数十亿参数大模型成本极其高昂，一次完整训练可能耗费数百万美元的计算资源68% 相似待验证优先经验回放（PER）通过为高TD误差的样本赋予更高的采样概率，将训练资源集中在模型最难处理的经验上67% 相似待验证相比重新训练模型（成本可能高达数百万美元），RAG只需更新知识库即可让模型学会新知识，成本几乎可以忽略不计63% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/533260

API

curl https://kongchang.com/api/v1/knowledge/claims/533260

MCP

get_claim(id=533260)