Unverified50% confidenceFactExact time
缺失数据（missing data）的缺失模式往往不是随机的而是系统性的，忽略它们会导致严重的推断偏差
1
Sources
50%
Confidence
Long-term
Relevance
8/30/2026
First Seen
Sources
Related Entities
Related Claims
Unverified构建基准的过程会暴露领域数据中此前被忽视的问题，如标注不一致、样本分布偏斜、边缘案例缺失73% similarUnverified先前的难负样本挖掘工作大多忽略非干扰项，只关注与查询的相似度，因而更易误选假负样本71% similarUnverified若只用新增类别数据微调扩展后的分类头，模型极易出现灾难性遗忘，急剧丧失对原有类别的识别能力71% similarUnverified错误的归纳偏置会让模型花费容量拟合数据中不存在的虚假模式，导致分布外数据上严重失效70% similarUnverified合成数据可能出现模式坍塌导致多样性不足、遗漏尾部分布中稀有模式、在高维数据中引入不真实相关性等质量问题70% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/823888API
curl https://kongchang.com/api/v1/knowledge/claims/823888MCP
get_claim(id=823888)