待验证50% 置信事实精确时间

该研究在保持训练 token 总量一致的前提下，系统性调整教学型与临床型数据配比，以分离数据类型这一变量的影响

1

来源数

50%

置信度

长期有效

时效性

2026/9/23

首次发现

来源

教材还是病例？数据类型如何塑造医疗大模型能力

涉及实体

token-matched experimentsconcept

相关事实

待验证数据增强从偏差-方差权衡视角看，本质是通过增加训练样本的有效多样性来降低模型方差78% 相似待验证2024年多项研究发现部分模型在标准基准上的优秀表现源于训练数据中混入了基准测试题目本身（数据污染）77% 相似待验证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75% 相似待验证医疗大语言模型通常混合教学型数据（如教科书）与临床型数据（如患者病历）两类数据进行训练75% 相似待验证研究者提出的主要应对方向包括主动向训练数据引入多样性约束、在评测体系中加入分布多样性指标74% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/942672

API

curl https://kongchang.com/api/v1/knowledge/claims/942672

MCP

get_claim(id=942672)