待验证50% 置信事实精确时间

由于标签定义不同，在一个数据集上取得高分的模型换到另一个数据集后性能可能大幅下滑，跨论文数字未必可比

1

来源数

50%

置信度

长期有效

时效性

2026/9/28

首次发现

来源

假评论检测综述：从预训练模型到大语言模型的攻防演进

涉及实体

假评论检测concept

相关事实

待验证在关系抽取中，标签出现的频率几乎不能预测模型在该标签上的表现，真正决定泛化能力的是模型是否见过相似的证据表达方式72% 相似待验证数据多样性对模型泛化能力的影响往往比数据规模更为根本，仅在特定分布上过度拟合的模型在真实部署时表现骤降71% 相似待验证降本往往伴随质量妥协：更短的上下文可能导致模型遗漏关键信息，更激进的缓存可能引入陈旧数据71% 相似待验证当推荐算法无法有效区分内容质量时，生产成本更低的劣质内容会在数量上压倒优质内容，形成格雷欣法则的数字版本70% 相似待验证更换或升级嵌入模型时，旧向量与新向量处于不同语义空间无法直接比较，往往需要全量重建索引70% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/955644

API

curl https://kongchang.com/api/v1/knowledge/claims/955644

MCP

get_claim(id=955644)