待验证50% 置信解决方案精确时间

微调嵌入模型时应使用难负样本（如同领域但不同层级的岗位）而非随机负样本，以学习更细粒度的语义差异

1

来源数

50%

置信度

长期有效

时效性

2026/8/31

首次发现

来源

简历职位匹配为何失效？突破嵌入相似度的局限

涉及实体

难负样本concept

相关事实

待验证如果模型只见过正样本，会倾向于对任何输入都强行调用工具，产生幻觉式调用，负样本帮助模型习得何时不该调用的判断边界78% 相似待验证对嵌入模型进行对比学习微调需要标注数据（成功入职的正样本与被拒绝的负样本）才能显著提升效果77% 相似待验证模型选型时不仅要看标准数据集精度，更要关注其在陌生数据上的域外泛化鲁棒性75% 相似已验证微调是在通用预训练模型基础上用特定领域数据进行二次训练，使模型能将领域知识内化为参数，推理时无需额外检索步骤，延迟更低74% 相似待验证生成模型在小样本时更具优势，判别模型在大数据量时通常表现更好74% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/831140

API

curl https://kongchang.com/api/v1/knowledge/claims/831140

MCP

get_claim(id=831140)