待验证50% 置信事实精确时间

数据多样性对模型泛化能力的影响往往比数据规模更为根本，仅在特定分布上过度拟合的模型在真实部署时表现骤降

1

来源数

50%

置信度

长期有效

时效性

2026/7/19

首次发现

来源

1700万条鼠标轨迹：游戏行为数据的ML应用价值解析

相关事实

待验证若只用新增类别数据微调扩展后的分类头，模型极易出现灾难性遗忘，急剧丧失对原有类别的识别能力70% 相似待验证合成数据可能出现模式坍塌导致多样性不足、遗漏尾部分布中稀有模式、在高维数据中引入不真实相关性等质量问题69% 相似待验证直接将原始节点数据投喂给大模型会迅速消耗上下文配额，并因信息噪声过多导致模型识别到错误的元素属性69% 相似待验证错误的归纳偏置会让模型花费容量拟合数据中不存在的虚假模式，导致分布外数据上严重失效67% 相似待验证验证集和测试集不应做任何数据增强，一旦施加变换会引入系统性偏差，破坏对模型泛化能力的无偏估计67% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/558817

API

curl https://kongchang.com/api/v1/knowledge/claims/558817

MCP

get_claim(id=558817)