Unverified50% confidenceFactExact time
若只用新增类别数据微调扩展后的分类头，模型极易出现灾难性遗忘，急剧丧失对原有类别的识别能力
1
Sources
50%
Confidence
Long-term
Relevance
7/13/2026
First Seen
Sources
Related Claims
Unverified由于历史记录同样受影响，模型名称消失更可能是前端统一显示逻辑层的问题，而非底层数据丢失74% similarUnverified用新数据更新模型时可能破坏原有能力，即灾难性遗忘，工业界通过失败案例库、数据增强与混合回放技术来整合新数据74% similarUnverified梯度方法在学习新任务时往往覆盖旧知识产生灾难性遗忘，而种群式进化系统天然维护解的多样性存档72% similarUnverified合成数据可能出现模式坍塌导致多样性不足、遗漏尾部分布中稀有模式、在高维数据中引入不真实相关性等质量问题71% similarUnverified数据多样性对模型泛化能力的影响往往比数据规模更为根本，仅在特定分布上过度拟合的模型在真实部署时表现骤降70% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/502636API
curl https://kongchang.com/api/v1/knowledge/claims/502636MCP
get_claim(id=502636)