待验证50% 置信事实精确时间

训练-部署鸿沟指模型因训练与部署环境的数据分布偏移、软件依赖版本差异或硬件指令集不同而导致的性能下降

1

来源数

50%

置信度

长期有效

时效性

2026/7/17

首次发现

来源

用NVIDIA NeMo构建强化学习驱动的自主科研智能体

相关事实

待验证参数量相似的情况下，训练数据质量分布的差异往往比架构差异更能决定特定场景的表现上限78% 相似待验证行为克隆存在分布偏移（Distribution Shift）问题：训练时策略只接触专家轨迹覆盖的状态分布，部署时微小偏差累积会使实际访问的状态分布逐渐偏离训练分布76% 相似待验证不同模型系列的工具调用输出格式差异根源于指令微调阶段使用的训练数据差异76% 相似待验证针对特定工具做专项强化训练的副作用是对非训练分布工具的泛化能力下降，学术上称为分布外泛化失败76% 相似待验证域偏移是指训练数据分布与实际部署场景数据分布之间的系统性差异，是迁移学习和AI工程落地的核心挑战之一74% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/541096

API

curl https://kongchang.com/api/v1/knowledge/claims/541096

MCP

get_claim(id=541096)