待验证70% 置信事实精确时间

概念组合（Compositional Generalization）要求模型将独立学到的概念自由组合，生成训练集中从未出现过的新组合

2

来源数

70%

置信度

长期有效

时效性

2026/9/11

首次发现

来源

Gemini 2.0 Flash编程实测：AI开发3D游戏全流程

涉及实体

Compositional Generalizationconcept

相关事实

待验证域泛化要求模型在完全未见过目标域数据的情况下实现泛化，常用方法包括元学习、基于因果推理的不变特征学习、多源域数据增强69% 相似待验证集成学习的理论基础来自偏差-方差权衡框架，单一复杂模型存在高方差而简单模型存在高偏差68% 相似待验证若训练集能充分覆盖推理时可能出现的工具类型和参数组合，小模型同样能学到可靠的格式生成能力，而不必依赖大模型的深层语义推理68% 相似待验证大语言模型在推理阶段仅依赖训练时固化的参数权重进行自回归生成，存在知识截止和能力边界两大固有局限68% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/891833

API

curl https://kongchang.com/api/v1/knowledge/claims/891833

MCP

get_claim(id=891833)