Unverified50% confidenceCautionExact time
联邦学习面临通信效率低、数据异构性导致收敛困难、以及梯度泄露攻击等挑战
1
Sources
50%
Confidence
Long-term
Relevance
8/12/2026
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72% similarUnverified离线RL的核心挑战是分布偏移，可能导致外推误差，使学到的策略在部署时表现远不如预期70% similarUnverified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69% similarUnverified微调面临灾难性遗忘、过拟合和高数据质量要求等技术挑战。68% similarUnverified深度神经网络天然倾向于过拟合训练分布，对分布外样本的处理能力往往大幅下降66% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/735408API
curl https://kongchang.com/api/v1/knowledge/claims/735408MCP
get_claim(id=735408)