待验证50% 置信事实精确时间

分布外（out-of-distribution）场景指模型推理时遇到的输入数据与训练或历史经验数据的分布存在显著差异

1

来源数

50%

置信度

长期有效

时效性

2026/9/29

首次发现

来源

AI决策系统的记忆悖论：让智能体学会不盲信过往经验

涉及实体

分布外concept

相关事实

待验证当生成模型反复在自身生成的数据上训练时，输出分布会逐渐退化，低概率事件被系统性遗忘75% 相似待验证检测模型的训练数据永远落后于最新生成技术的输出分布，学术界称之为「分布偏移」问题74% 相似已验证分布偏移是指训练环境与部署环境之间的统计分布差异，是虚假相关性导致性能崩溃的直接机制73% 相似已验证数据漂移（Data Drift）指线上真实数据的统计特性偏离训练集时，模型性能在无报错情况下持续下滑70% 相似待验证分布偏移意味着训练集与测试集之间的KL散度不为零，即两个分布之间存在可度量的信息差距70% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/958007

API

curl https://kongchang.com/api/v1/knowledge/claims/958007

MCP

get_claim(id=958007)