待验证50% 置信事实精确时间

在某些任务上，仅因随机种子不同导致的性能波动幅度可能超过某些论文声称的方法创新带来的提升

1

来源数

50%

置信度

长期有效

时效性

2026/8/5

首次发现

来源

ML论文可复现性危机：60%代码存在致命Bug，顶会该强制提交代码吗

相关事实

待验证即便固定所有随机种子，在不同硬件或并行度下，训练结果仍可能出现被大模型放大为显著能力差异的细微偏差77% 相似待验证Google Brain团队2018年的研究表明，仅改变随机种子就可能导致某些模型性能出现数个百分点的波动76% 相似待验证落点随机程度越高越接近实战，但过度随机会导致初学者无法建立稳定击球节奏；建议启蒙期用固定/半随机模式，进阶后再开全随机72% 相似待验证少样本提示中仅改变示例顺序就可能导致准确率从接近随机到接近最优的巨大波动71% 相似待验证权重初始化的随机性对模型性能影响最深远，数据批次打乱顺序的随机性影响最小70% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/690452

API

curl https://kongchang.com/api/v1/knowledge/claims/690452

MCP

get_claim(id=690452)