待验证50% 置信事实精确时间

离线指标优异的模型在线上可能因数据分布差异表现不佳，这种现象被称为离线-线上指标不一致（offline-online gap）

1

来源数

50%

置信度

长期有效

时效性

2026/8/10

首次发现

来源

垂直AI引擎MLOps扩展困局：从原型到规模化的工程实践

相关事实

待验证离线RL的核心难题是如何避免对数据集未覆盖的状态-动作对产生过于乐观的价值估计（分布外外推问题）74% 相似待验证公开数据集普遍存在标注不连续问题，尤其是远处车道线标注频繁缺失66% 相似待验证端到端模型在代表性充足与代表性不足口音之间的WER差距并未按比例缩小，属于数据分布问题而非架构问题62% 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62% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/726976

API

curl https://kongchang.com/api/v1/knowledge/claims/726976

MCP

get_claim(id=726976)