待验证50% 置信观点精确时间

如果训练数据包含对特定族裔、收入阶层或地域的历史性偏见,模型会将这些偏见固化并规模化

1

来源数

50%

置信度

长期有效

时效性

2026/9/11

首次发现

来源

美国DHS秘密预测性执法:AI监控公民财务引发争议

涉及实体

算法偏见concept

相关事实

待验证数据增强从偏差-方差权衡视角看，本质是通过增加训练样本的有效多样性来降低模型方差76% 相似待验证2024年多项研究发现部分模型在标准基准上的优秀表现源于训练数据中混入了基准测试题目本身（数据污染）66% 相似待验证跨模型引用行为差异的根源包括预训练语料差异、SFT数据集差异和RLHF阶段人类标注者群体差异65% 相似待验证训练/服务偏差可细分为数据偏差、特征转换偏差和算法偏差三种类型65% 相似待验证在train/test split之前对整个数据集做StandardScaler归一化会导致测试集的均值和方差信息渗透进训练集64% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/900642

API

curl https://kongchang.com/api/v1/knowledge/claims/900642

MCP

get_claim(id=900642)