待验证50% 置信事实精确时间

一段数据参与神经网络训练后，其影响以分布式方式弥散在数十亿参数中，难以被真正删除

1

来源数

50%

置信度

长期有效

时效性

2026/8/5

首次发现

来源

AI数据采集的隐私边界：你的卧室正在成为模型训练场

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77% 相似待验证灾难性遗忘是神经网络领域的经典难题，早在1990年代研究者就发现神经网络在新任务上持续训练时旧任务性能会急剧下降69% 相似待验证文生图模型的理解本质上是大规模统计关联，面对训练集中稀少出现的长尾概念时生成质量会显著下滑69% 相似待验证过度域随机化会引入与真实分布相差过大的不可能样本，稀释有效训练信号，随机化范围的设定需要大量领域专家经验69% 相似待验证当生成模型反复在自身生成的数据上训练时，输出分布会逐渐退化，低概率事件被系统性遗忘69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/687691

API

curl https://kongchang.com/api/v1/knowledge/claims/687691

MCP

get_claim(id=687691)