待验证50% 置信事实精确时间

OpenAI在2019年的研究中证实双重下降现象同时存在于模型复杂度、训练时间和样本数量三个维度

1

来源数

50%

置信度

长期有效

时效性

2026/8/11

首次发现

来源

CNN核心机制详解：从卷积原理到双重下降现象

相关事实

待验证双重下降现象不仅发生在模型规模维度，也可能出现在训练轮次（epochs）和数据量的变化中76% 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% 相似待验证在收敛型任务上，模型达到一定规模后存在明显的性能饱和现象，参数量或训练数据的继续增加对准确率的边际贡献快速衰减68% 相似已验证过拟合是指模型在训练数据上表现优异，但在未见过的测试数据上性能大幅下降的现象68% 相似待验证2019年Belkin等人在PNAS上发表论文正式描述了双重下降现象，即当模型参数量超过插值阈值后测试误差反而开始下降65% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/731056

API

curl https://kongchang.com/api/v1/knowledge/claims/731056

MCP

get_claim(id=731056)