Unverified50% confidenceFactExact time
深度神经网络天然倾向于过拟合训练分布，对分布外样本的处理能力往往大幅下降
1
Sources
50%
Confidence
Long-term
Relevance
7/10/2026
First Seen
Sources
大模型跑分榜单的真相：实战能力才是真正护城河
bilibili卢菁博士_北大AI博士后7/7/2026
Related Claims
Unverified神经网络存在过度自信缺陷，即便输入落入训练分布之外，Softmax层仍可能输出虚高的置信度分数81% similarUnverifiedLi等人2018年发现神经网络的有效参数空间维度远低于名义参数量，训练轨迹被限制在低维子空间中80% similarUnverified梯度消失是深层神经网络中梯度值在反向传播过程中指数级衰减，导致靠近输入层的参数几乎得不到更新79% similarUnverified一段数据参与神经网络训练后，其影响以分布式方式弥散在数十亿参数中，难以被真正删除77% similarUnverified跨域微调时学习率过大会破坏预训练权重，过小则几乎学不动，需权衡设置75% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/428962API
curl https://kongchang.com/api/v1/knowledge/claims/428962MCP
get_claim(id=428962)