待验证50% 置信注意事项精确时间

弱监督标签的质量上限取决于零样本模型本身的准确率，若模型系统性出错训练集会继承该偏差

1

来源数

50%

置信度

长期有效

时效性

2026/10/5

首次发现

来源

分类任务怎么选：训练专用分类器还是用零样本大模型？

涉及实体

弱监督concept 零样本分类concept

相关事实

待验证记录'某个推荐方案不适用'的负样本与记录成功同样重要，否则模型会陷入统计偏差，把高频方案误当成高正确率方案78% 相似待验证对于训练数据欠覆盖的细胞类型或物种，这类模型的预测结果可靠性会显著下降75% 相似待验证对小样本切片设置绝对失败数上限比设置百分比门槛更稳健，且对样本量不敏感74% 相似待验证当成功率极低时几乎所有样本奖励相同，策略梯度方差极大而信噪比极低，导致模型无法获得有效更新方向74% 相似待验证研究表明攻击者只需修改训练数据中低至0.01%的比例，就可能在模型中植入标准评估中不可检测的后门行为73% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/976269

API

curl https://kongchang.com/api/v1/knowledge/claims/976269

MCP

get_claim(id=976269)