已验证65% 置信事实精确时间

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

3

来源数

65%

置信度

长期有效

时效性

2026/8/13

首次发现

来源

泛化才是机器学习的核心：训练前决定成败的关键因素

相关事实

已验证双重下降现象表明，当模型参数量远超数据量时，测试误差反而可能再次下降75% 相似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66% 相似待验证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65% 相似待验证vLLM、TensorRT-LLM等推理框架通过批处理和KV Cache技术提升吞吐量，使百亿参数模型单次推理成本在近三年内下降了一个数量级65% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/742534

API

curl https://kongchang.com/api/v1/knowledge/claims/742534

MCP

get_claim(id=742534)