待验证50% 置信事实精确时间

研究排除了模型来源、训练不足、匹配预算的骨干网络控制、度量循环性控制等简单解释

1

来源数

50%

置信度

长期有效

时效性

2026/9/11

首次发现

来源

JEPA世界模型致命缺陷：动作排序失败被重规划掩盖

涉及实体

ARC-Benchproduct

相关事实

待验证DeepMind的Chinchilla研究指出此前的模型普遍过大而欠训练，即参数量过多但训练数据不足71% 相似待验证论文发现对于固定的算力预算，训练一个更小的模型训练更长时间，往往比训练大模型效果更好，这与Chinchilla定律相悖67% 相似待验证模型权重是一种高度压缩的统计表征，并非训练文本的直接存储，单凭权重文件无法还原原始训练样本66% 相似待验证OpenAI在InstructGPT论文中证明，少量高质量人类偏好数据对模型对齐的贡献远超大规模无监督训练66% 相似待验证开源模型原始训练中的安全对齐可以通过少量微调被移除66% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/895203

API

curl https://kongchang.com/api/v1/knowledge/claims/895203

MCP

get_claim(id=895203)