Verified75% confidenceFactExact time
双重下降现象表明，当模型参数量远超数据量时，测试误差反而可能再次下降
5
Sources
75%
Confidence
Long-term
Relevance
7/12/2026
First Seen
Sources
机器学习核心概念深度解析：那些让人豁然开朗的顿悟时刻
redditr/learnmachinelearning7/11/2026
Related Claims
Verified跳过或简化校准步骤往往是低比特量化后模型质量大幅下滑的主因81% similarUnverified双重下降现象不仅发生在模型规模维度，也可能出现在训练轮次（epochs）和数据量的变化中79% similarVerified若用含测试集的全量数据计算均值和标准差，会导致预处理泄漏，使评估指标虚高，无法真实反映模型泛化能力79% similarVerified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）76% similarVerified2019年Belkin等人在PNAS上发表论文正式描述了双重下降现象，即当模型参数量超过插值阈值后测试误差反而开始下降75% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/494148API
curl https://kongchang.com/api/v1/knowledge/claims/494148MCP
get_claim(id=494148)