待验证50% 置信事实精确时间

过拟合指模型在训练集表现极好但在新数据泛化能力差的现象，在样本量偏小的药学数据集中风险尤为突出

1

来源数

50%

置信度

长期有效

时效性

2026/9/20

首次发现

来源

药学人零基础学AI：五大方向与四阶段学习路径

涉及实体

过拟合concept

相关事实

待验证过拟合是指模型在训练数据上表现很好，但在新数据上表现很差77% 相似已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77% 相似待验证小模型通过知识蒸馏通常比直接在标注数据上训练精度高出2-5个百分点76% 相似待验证研究表明即便合成数据与真实数据存在分布差距，只要预训练模型学到了足够通用的解剖特征表示，少量真实数据的微调便足以弥合这一差距76% 相似待验证研究表明预训练模型内部蕴含的医学问答能力可能远比其生成结果所呈现的更加丰富76% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/936523

API

curl https://kongchang.com/api/v1/knowledge/claims/936523

MCP

get_claim(id=936523)