待验证50% 置信观点精确时间

在法律要旨生成任务上，训练数据的一致性往往比数量更关键

1

来源数

50%

置信度

长期有效

时效性

2026/9/12

首次发现

来源

微调LLM生成法律判决要旨：为何失败及实战解决方案

涉及实体

fine-tuningconcept

相关事实

待验证如果评测基准与训练数据高度对齐，超越更多反映的是过拟合式的专精而非真正能力提升77% 相似待验证对齐训练优化的是模型在已知场景下的统计行为，而非建立可形式化验证的安全边界，面对训练分布之外的罕见指令组合或角色扮演框架时可能失效74% 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73% 相似待验证参数量相似的情况下，训练数据质量分布的差异往往比架构差异更能决定特定场景的表现上限72% 相似待验证完整训练代码并不等于能立即产出媲美商业模型的成果，模型质量还取决于数据规模质量和算力持续投入72% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/910235

API

curl https://kongchang.com/api/v1/knowledge/claims/910235

MCP

get_claim(id=910235)