待验证50% 置信权衡取舍精确时间
可解释性与模型性能之间往往存在权衡：更可解释的模型可能在预测精度上有所牺牲，而高精度的深度学习模型往往更难解释
1
来源数
50%
置信度
长期有效
时效性
2026/9/4
首次发现
来源
涉及实体
相关事实
待验证当前大多数深度学习模型缺乏反事实推理能力，导致在分布外场景中表现骤降78% 相似待验证运行时改进的改进上限受限于基座模型的固有能力，模型无法通过运行时优化突破其预训练所获得的知识和推理能力边界76% 相似待验证专项优化的AI模型在特定领域可能表现不及通用基础模型，这与深度学习中的灾难性遗忘现象有关76% 相似待验证Kaplan等人的方法论缺陷在于没有为每个模型规模独立调优学习率调度，导致高估参数增长的重要性、低估数据增长的重要性75% 相似待验证推理模型幻觉率上升的根本原因是激励机制错位：强化学习训练使模型倾向于生成详尽、有说服力的思维链，人类评估者给予论述详尽的回答更高评分，即使其中包含事实性错误75% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/853894API
curl https://kongchang.com/api/v1/knowledge/claims/853894MCP
get_claim(id=853894)