待验证50% 置信观点精确时间

当拥有得太少时人们会努力学习更多，拥有太多时会分心而学得更少

1

来源数

50%

置信度

长期有效

时效性

2026/9/13

首次发现

来源

本地大模型社区：重现互联网黄金时代的技术热潮

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79% 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71% 相似待验证大模型在信息不足时生成的内容往往会跑偏，上下文越贫乏输出质量越差70% 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69% 相似已验证认知负荷理论指出人类工作记忆容量有限，过长的课程会导致学习者形成假性进度68% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/918563

API

curl https://kongchang.com/api/v1/knowledge/claims/918563

MCP

get_claim(id=918563)