待验证50% 置信权衡取舍精确时间

蒸馏过程中步数压缩越激进，学生模型与教师模型之间的分布差距越大，细节损失和画面多样性下降的风险随之增加

1

来源数

50%

置信度

长期有效

时效性

2026/9/12

首次发现

来源

H3加速竞技场首批结果：LoRA排名为何出人意料

涉及实体

LoRAtechnology 知识蒸馏concept

相关事实

已验证学习率决定每步迈多大，太大会越过谷底导致发散，太小则耗时极长73% 相似待验证扩散模型生成图像的宽高设置若偏离训练分辨率太远，可能导致重复构图、人物比例失调等问题72% 相似待验证实验表明，仅经过数代自我训练，模型输出的方差就会急剧缩小，文本趋于同质化71% 相似待验证跨域微调时学习率过大会破坏预训练权重，过小则几乎学不动，需权衡设置70% 相似待验证文生图模型的理解本质上是大规模统计关联，面对训练集中稀少出现的长尾概念时生成质量会显著下滑70% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/913651

API

curl https://kongchang.com/api/v1/knowledge/claims/913651

MCP

get_claim(id=913651)