Unverified50% confidenceFactExact time
在项目反应理论（IRT）框架下，当所有被测模型都处于高能力区间时，测试信息函数急剧下降，解决方案是引入更高难度的项目将信息函数峰值右移
1
Sources
50%
Confidence
Long-term
Relevance
8/6/2026
First Seen
Sources
Related Claims
Unverified大模型缺乏项目特定上下文时，其输出会退化为「有根据的猜测」，这是二次开发越改越乱的技术根源67% similarUnverified端到端模型的核心优势在于避免模块间信息损失和误差累积，但代价是可解释性低、对训练数据分布敏感、难以应对长程推理任务65% similarUnverified小模型在分布内高性能的同时存在分布外脆弱性，一旦推理时的工具描述措辞、参数命名或用户查询风格偏离训练集，成功率可能显著下滑65% 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65% similarVerified过拟合是指模型在训练数据上表现优异，但在未见过的测试数据上性能大幅下降的现象65% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/693983API
curl https://kongchang.com/api/v1/knowledge/claims/693983MCP
get_claim(id=693983)