待验证50% 置信基准精确时间

实验发现通用停用词表在每一次测试中都低于'不删除'的基线，反而拖累分类表现

1

来源数

50%

置信度

长期有效

时效性

2026/9/18

首次发现

来源

别再删停用词了：一个继承的预处理默认如何扭曲法律文本数据分析

涉及实体

停用词移除concept

相关事实

已验证若用含测试集的全量数据计算均值和标准差，会导致预处理泄漏，使评估指标虚高，无法真实反映模型泛化能力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% 相似待验证自回归语言模型的离散采样过程不可导，导致分类器的梯度信号只能在有限局部范围内发挥作用，难以实现跨越整个句子的结构性控制71% 相似待验证在生产环境引入只读模式而非写权限，可大幅降低准入门槛，因为即便推理出错最坏结果只是给出不准确的分析结论而不会破坏系统70% 相似待验证传统回归测试面临核心困境：全量回归耗时过长，而随机选择可能遗漏关键场景69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/931171

API

curl https://kongchang.com/api/v1/knowledge/claims/931171

MCP

get_claim(id=931171)