待验证50% 置信观点精确时间

膨胀、过时、充满噪声的评估集比没有评估集更糟糕，因为它会给出误导性的信号

1

来源数

50%

置信度

长期有效

时效性

2026/8/21

首次发现

来源

AI评估集构建与维护实践指南：让LLM应用质量可量化

相关事实

待验证高偏差意味着模型过于简单导致欠拟合，高方差意味着模型学入噪声导致过拟合，两者往往此消彼长79% 相似已验证模型的泛化误差等于偏差平方加方差加不可约噪声75% 相似待验证当标注不一致存在时，增加更多数据只会成倍放大混乱，向模型提供自相矛盾的监督信号74% 相似待验证批次归一化层在小批次场景下统计量估计噪声很大，与Dice损失的区域级计算特性叠加会放大预测概率分布的波动72% 相似待验证过度膨胀的上下文会稀释模型注意力、抬高推理成本，甚至引入噪声导致幻觉72% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/780981

API

curl https://kongchang.com/api/v1/knowledge/claims/780981

MCP

get_claim(id=780981)