Unverified50% confidenceFactExact time
当目标数据域与源数据域差异悬殊时，预训练权重可能产生负迁移（Negative Transfer），反而干扰目标域的学习
1
Sources
50%
Confidence
Long-term
Relevance
7/16/2026
First Seen
Sources
Related Claims
Unverified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73% similarUnverified在稠密检索中，批内负样本训练要求批次包含有信息量的负样本，随机采样会导致训练损失快速收敛但泛化性能差73% similarUnverified数据漂移（Data Drift）指线上真实数据的统计特性偏离训练集时，模型性能在无报错情况下持续下滑73% similarUnverified仅用成功轨迹训练的模型往往存在分布外泛化的严重缺陷，遇到工具返回错误时便丧失纠偏能力72% similarUnverified训练物体类型过于单一的数据集会导致模型在面对其他材质或形态物体时性能急剧下降，即域迁移问题72% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/527162API
curl https://kongchang.com/api/v1/knowledge/claims/527162MCP
get_claim(id=527162)