待验证50% 置信事实精确时间
分布偏移可细分为协变量偏移、标签偏移和概念漂移，在ASR呼叫中心场景中这三种偏移往往同时存在
1
来源数
50%
置信度
长期有效
时效性
2026/8/5
首次发现
来源
相关事实
待验证Pan & Yang（2010）提出的迁移学习分类框架将域差异分解为特征空间差异、边缘分布差异和条件分布差异三个维度61% 相似待验证概念漂移是数据底层分布随时间发生的自然变化，而数据投毒是攻击者蓄意制造的分布偏移，两者在实际系统中往往同时存在且难以区分58% 相似待验证概念漂移在不同社区有不同术语：统计学家称dataset shift或distribution shift，机器学习社区区分covariate shift和posterior drift，时间序列领域使用non-stationarity58% 相似待验证上下文感知解析层通常采用AST分析、依赖图遍历和语义嵌入等技术将底层错误信息转化为高层语义描述56% 相似待验证LLM存在位置偏差（Positional Bias），倾向于更关注输入序列的开头和结尾，中间部分信息容易被遗忘55% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/692315API
curl https://kongchang.com/api/v1/knowledge/claims/692315MCP
get_claim(id=692315)