待验证50% 置信注意事项精确时间

联邦学习面临通信效率低、数据异构性导致收敛困难、以及梯度泄露攻击等挑战

1

来源数

50%

置信度

长期有效

时效性

2026/8/12

首次发现

来源

数据脱敏的悖论：更安全反而让AI更笨？

相关事实

待验证跨域微调时学习率过大会破坏预训练权重，过小则几乎学不动，需权衡设置72% 相似待验证离线RL的核心挑战是分布偏移，可能导致外推误差，使学到的策略在部署时表现远不如预期70% 相似待验证当目标数据域与源数据域差异悬殊时，预训练权重可能产生负迁移（Negative Transfer），反而干扰目标域的学习69% 相似待验证微调面临灾难性遗忘、过拟合和高数据质量要求等技术挑战。68% 相似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66% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/735408

API

curl https://kongchang.com/api/v1/knowledge/claims/735408

MCP

get_claim(id=735408)