Unverified50% confidenceFactExact time
模型微调（Fine-tuning）面临成本高、更新慢、存在灾难性遗忘风险等问题
1
Sources
50%
Confidence
Medium-term (~90 days)
Relevance
7/2/2026
First Seen
Valid until: 9/30/2026
Sources
RAG系统开发全流程：数据预处理、向量检索与输出优化实战
bilibili吴恩达AIAgent6/26/2026
Related Claims
Unverified微调面临灾难性遗忘、过拟合和高数据质量要求等技术挑战。81% similarUnverified微调允许模型调整表征以更好服务下游任务，但需要更多标注数据和计算资源，且存在灾难性遗忘的风险76% similarUnverified将全量用户语句都交给大模型处理会同时导致延迟、成本、稳定性三大问题崩盘75% similarUnverified低价模型若推理能力不足会导致更多重试轮次，累计失败重试的隐性成本可能反超高价高效方案（「便宜模型反而更贵」悖论）74% similarUnverified模型能力增强时，过多的约束和提示词会浪费上下文预算并引发提示词漂移(prompt drift)，减少约束反而更好74% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/40814API
curl https://kongchang.com/api/v1/knowledge/claims/40814MCP
get_claim(id=40814)