待验证50% 置信基准精确时间

SJR一个训练变体完全不使用真实违规样本（正类数据全部合成生成），在违规类F1上与使用全量真实数据的模型差距仅在0.2%相对值以内

1

来源数

50%

置信度

长期有效

时效性

2026/9/22

首次发现

来源

SJR架构：解耦内容理解与策略学习的多模态内容审核新范式

涉及实体

相关事实

待验证在误导性广告检测任务上，SJR相比零样本思维链基线在'非误导'类别的F1分数上取得23.6%的相对提升67% 相似待验证即使只有5-10%的训练样本存在错位，也会导致VLM模型在下游任务上出现显著的性能退化64% 相似待验证实际训练Transformer模型时，模型FLOPS利用率（MFU）通常只有30%-60%63% 相似待验证研究团队在GPT-2等模型上的实验表明，仅经过5-9代递归训练，模型输出质量就会出现显著退化63% 相似待验证对于训练数据欠覆盖的细胞类型或物种，这类模型的预测结果可靠性会显著下降63% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/940019

API

curl https://kongchang.com/api/v1/knowledge/claims/940019

MCP

get_claim(id=940019)