待验证50% 置信权衡取舍精确时间

物候错配是可通过校准观测窗口等工程手段在不重新训练的前提下大幅修复的问题，而空间迁移失败则意味着模型对新地区地表特征缺乏泛化能力

1

来源数

50%

置信度

长期有效

时效性

2026/10/8

首次发现

来源

Prithvi作物分类大模型跨洲迁移实测：物候错配才是精度崩盘元凶

涉及实体

物候错配concept

相关事实

已验证仅用成功轨迹训练的模型往往存在分布外泛化的严重缺陷，遇到工具返回错误时便丧失纠偏能力73% 相似待验证实验性定位意味着功能可能尚不完整、更新方向不确定、平台随时可能大幅调整甚至下线71% 相似待验证不同模型的表征空间并不天然对齐，架构、维度、训练数据都可能不同，这是C2C需解决的核心技术难点70% 相似待验证专用小模型的局限在于任务边界模糊、需要跨领域推理或处理未见边缘情况时泛化能力会迅速下降70% 相似待验证级联架构面临的核心挑战是误差传播，上游模型的偏差会被放大传递到下游69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/986749

API

curl https://kongchang.com/api/v1/knowledge/claims/986749

MCP

get_claim(id=986749)