Unverified50% confidenceFactExact time
当前的LLM一旦完成训练其参数即被冻结，只能通过微调或RAG等外部机制来更新
1
Sources
50%
Confidence
Medium-term (~90 days)
Relevance
8/28/2026
First Seen
Valid until: 11/26/2026
Sources
Related Entities
Related Claims
UnverifiedLLM采用无状态设计，模型权重在训练后被固化，推理时不会因某次对话而改变内部参数71% similarUnverifiedLLM在推理阶段参数是冻结的，模型不会因用户交互而更新权重，因此本质上是无状态的70% similarUnverified微调通过在私有数据上继续训练来更新模型权重，RAG则在不修改模型的前提下通过检索外挂知识库增强回答69% similarUnverified在LLM引用行为测试中固定随机性需要同时设置temperature和top-p参数并在支持时固定随机种子66% similarUnverified纯生成式模型将所有训练数据混合后输出，用户无法追溯单一结论的依据链条，这是相比RAG检索机制的局限65% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/815980API
curl https://kongchang.com/api/v1/knowledge/claims/815980MCP
get_claim(id=815980)