待验证50% 置信事实精确时间

在没有Feature Store的情况下，在线推理和离线训练使用的特征可能出现偏差（training-serving skew）

1

来源数

50%

置信度

长期有效

时效性

2026/9/3

首次发现

来源

数据科学经理该做什么？从执行者到赋能者的角色转型

涉及实体

Feature Storeconcept training-serving skewconcept

相关事实

待验证主流基准测试题目在互联网上已被广泛讨论，模型训练数据中可能存在对题目的记忆，导致基准分数高估模型在真实未见任务上的能力74% 相似已验证特征存储（Feature Store）解决训练时和推理时的特征计算一致性问题即training-serving skew73% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/850900

API

curl https://kongchang.com/api/v1/knowledge/claims/850900

MCP

get_claim(id=850900)