Unverified50% confidenceBenchmarkExact time
2020 年 Dodge 等人发表在 EMNLP 上的研究显示，在 GLUE 基准多个任务上 BERT 微调的性能波动范围可达 2-3 个百分点
1
Sources
50%
Confidence
Long-term
Relevance
8/5/2026
First Seen
Sources
Related Claims
UnverifiedDistilBERT 通过知识蒸馏将 BERT 参数压缩至 66M，推理速度提升 60% 而性能损失约 3%66% similarUnverified在收敛型任务上，模型达到一定规模后存在明显的性能饱和现象，参数量或训练数据的继续增加对准确率的边际贡献快速衰减63% similarUnverified在BERT微调场景下，按旧新数据1:3至1:5的比例混合，能有效维持旧类别性能62% similarUnverifiedUnsloth声称其微调工具可将微调速度提升2-5倍同时减少80%的显存占用61% similarUnverifiedLLMOps核心指标包括每千Token成本、首Token延迟（TTFT）、提示词命中率和幻觉发生频率61% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/692361API
curl https://kongchang.com/api/v1/knowledge/claims/692361MCP
get_claim(id=692361)