待验证50% 置信事实精确时间

N2类别训练样本往往更稀少，数据不平衡加剧了模型偏向多数类N1的倾向，是召回率不对称的重要成因之一

1

来源数

50%

置信度

长期有效

时效性

2026/10/5

首次发现

来源

神经符号框架破解阿拉伯语句法歧义：准确率达96.88%

涉及实体

神经符号框架concept

相关事实

待验证在稠密检索中，批内负样本训练要求批次包含有信息量的负样本，随机采样会导致训练损失快速收敛但泛化性能差71% 相似待验证研究人员通过n-gram重叠分析和成员推断攻击可判断特定数据是否出现在模型训练集中，但存在误报率偏高的局限71% 相似待验证文生图模型的理解本质上是大规模统计关联，面对训练集中稀少出现的长尾概念时生成质量会显著下滑70% 相似待验证温度超参数τ越小分布越集中，模型对难负样本越敏感，但τ过小会导致梯度对异常值敏感、训练不稳定69% 相似待验证来自同一模型的克隆副本共享几乎相同的权重、训练数据和归纳偏差，其误差高度相关，无法通过平均消除系统性偏差69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/975528

API

curl https://kongchang.com/api/v1/knowledge/claims/975528

MCP

get_claim(id=975528)