待验证50% 置信事实精确时间
NovelAI、Stable Diffusion等早期主流模型大量使用了Danbooru数据集进行训练，因此对Danbooru标签体系有极强的指令响应性
1
来源数
50%
置信度
长期有效
时效性
2026/9/11
首次发现
来源
涉及实体
相关事实
已验证LIME通过在目标样本周围构造扰动数据集，训练局部可解释的线性模型来近似复杂模型的局部行为63% 相似待验证Stable Diffusion通过训练角色专属LoRA模型来固定角色外貌62% 相似待验证顶级AI模型在参数规模、训练数据质量和RLHF（基于人类反馈的强化学习）调优上投入了大量资源，因此在复杂推理和代码生成任务上远超中低端模型62% 相似待验证基于模型的强化学习在样本效率上通常比无模型方法高出一个数量级以上，代表性算法包括Dyna、MBPO和Dreamer系列61% 相似待验证2024年以来，Mistral、Phi、Gemma等小型模型通过更精细的数据筛选、知识蒸馏和训练策略优化，在特定任务上逼近甚至超越了体量数倍于己的大模型61% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/904691API
curl https://kongchang.com/api/v1/knowledge/claims/904691MCP
get_claim(id=904691)