待验证50% 置信事实精确时间

信息论中的信道容量退化可描述模型崩溃过程：每次信号经过有损传输并被重新编码会引入量化误差，若以输出作为下一次输入，误差将以指数级累积

1

来源数

50%

置信度

长期有效

时效性

2026/10/8

首次发现

来源

模型崩溃并非AI独有：一个古老问题的新面孔

涉及实体

信道容量退化concept 信息论concept

相关事实

待验证「降质」现象指模型在用户持续使用一段时间后响应质量出现下滑，如代码逻辑松散、注释减少、对复杂需求理解能力减弱77% 相似待验证当模型超出显存容量时，系统被迫在显存与系统内存之间反复搬运数据，导致灾难性性能下降74% 相似待验证状态离散化存在权衡：分桶粒度过粗导致信息损失，过细则引发维度灾难，这也是DQN用神经网络替代Q表的核心动机73% 相似待验证可塑性衰减指随着模型接受越来越多微调更新，其权重逐渐固化，对新信息的响应能力不断下降73% 相似待验证模型崩溃过程中模型会依次经历输出多样性降低、少数类别和边缘知识丢失，最终产生无意义或高度重复的输出72% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/989856

API

curl https://kongchang.com/api/v1/knowledge/claims/989856

MCP

get_claim(id=989856)