待验证50% 置信事实精确时间

语言学上将模型在训练分布之外的数据上表现下降的现象称为'领域偏移'（Domain Shift）

1

来源数

50%

置信度

长期有效

时效性

2026/10/11

首次发现

来源

智利西班牙语：被忽视的LLM方言识别难题

涉及实体

领域偏移concept

相关事实

已验证数据漂移（Data Drift）指线上真实数据的统计特性偏离训练集时，模型性能在无报错情况下持续下滑77% 相似待验证语境混淆造成的是窄域失准（narrow misalignment），失准集中在与训练数据语义相近的特定领域，而非模型整体行为的广泛退化75% 相似待验证在同等参数规模下，扩散语言模型的困惑度和下游任务表现通常仍落后于成熟的自回归模型74% 相似待验证Copilot 基于统计模式预测，训练数据中出现频次较低的技术配置生成质量会显著下降74% 相似待验证实验表明，仅经过数代自我训练，模型输出的方差就会急剧缩小，文本趋于同质化72% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/995322

API

curl https://kongchang.com/api/v1/knowledge/claims/995322

MCP

get_claim(id=995322)