待验证50% 置信事实精确时间

微调存在灾难性遗忘风险，针对某一行为的微调可能降低模型在其他任务上的表现

1

来源数

50%

置信度

长期有效

时效性

2026/10/7

首次发现

来源

Metacache与推理即构造：复合AI系统的下一步

涉及实体

相关事实

待验证偶发性故障的内存条可能交替产生正确和错误的计算结果，导致神经网络训练中梯度计算偶发性偏差，影响模型收敛性且不触发硬件告警77% 相似待验证针对某类任务的专项强化往往以牺牲其他任务的表现为代价，此现象被称为灾难性遗忘77% 相似待验证差分隐私训练、去重预处理和机器遗忘等缓解记忆化的技术方案均会在不同程度上牺牲模型性能76% 相似待验证当模型同时优化任务准确性和置信度校准时，两个梯度方向可能相互干扰，涉及灾难性遗忘和目标冲突问题75% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/985039

API

curl https://kongchang.com/api/v1/knowledge/claims/985039

MCP

get_claim(id=985039)