Unverified50% confidenceSolutionExact time
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
1
Sources
50%
Confidence
Long-term
Relevance
7/15/2026
First Seen
Sources
Related Claims
Unverified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74% similarUnverified长期趋势价值取决于数据连续性：会因换机、忘记开启、后台被杀而断档的方案，半年后趋势图充满空洞，反而不如手表自动记录的连续数据有分析意义72% similarUnverified微调将知识烧录进模型权重，知识更新需重新训练成本高；RAG将知识存储外部数据库，更新只需修改数据库无需改动模型71% similarUnverified数据泄漏是因意外引入测试集信息而导致模型评估虚高的陷阱，常见形式包括在划分数据集之前就对全量数据做标准化或使用时间上因果倒置的特征70% similarUnverified工具调用使攻击面从让模型说错话升级为让模型做错事，危害从信息误导上升为实质性的数据访问和系统篡改70% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/511170API
curl https://kongchang.com/api/v1/knowledge/claims/511170MCP
get_claim(id=511170)