Unverified50% confidenceFactExact time
OpenAI在2019年的研究中证实双重下降现象同时存在于模型复杂度、训练时间和样本数量三个维度
1
Sources
50%
Confidence
Long-term
Relevance
8/11/2026
First Seen
Sources
Related Claims
Unverified双重下降现象不仅发生在模型规模维度，也可能出现在训练轮次（epochs）和数据量的变化中76% similarUnverified文生图模型的理解本质上是大规模统计关联，面对训练集中稀少出现的长尾概念时生成质量会显著下滑69% 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68% 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68% similarUnverified2019年Belkin等人在PNAS上发表论文正式描述了双重下降现象，即当模型参数量超过插值阈值后测试误差反而开始下降65% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/731056API
curl https://kongchang.com/api/v1/knowledge/claims/731056MCP
get_claim(id=731056)