待验证50% 置信基准精确时间

微调后的DistilBERT在同分布测试中F1=0.9993，但在主题偏移下损失12.9个平均精度点，退化比线性模型的5.2点更严重

1

来源数

50%

置信度

长期有效

时效性

2026/9/23

首次发现

来源

99%准确率的真相：假新闻数据集中的捷径学习审计

涉及实体

DistilBERTmodel

相关事实

待验证测试损失与计算量之间的幂律指数约为0.05，意味着计算量每增加10倍，模型性能提升约12%74% 相似待验证蒙特卡洛估计的标准误差与模拟次数N的关系为标准误差正比于1/√N73% 相似待验证困惑度是测试集上每个token平均负对数似然的指数，值越低代表模型对语料的预测越准确72% 相似待验证顶级学术深伪检测器在面对未见过的生成模型时，准确率可能从99%骤降至60%以下，这被称为跨模型泛化问题71% 相似已验证INT8量化约损失0.5%精度、显存减半，INT4量化显存压缩至原来的1/4、精度损失约1-3%71% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/942806

API

curl https://kongchang.com/api/v1/knowledge/claims/942806

MCP

get_claim(id=942806)