Unverified50% confidenceSolutionExact time
微调嵌入模型时应使用难负样本（如同领域但不同层级的岗位）而非随机负样本，以学习更细粒度的语义差异
1
Sources
50%
Confidence
Long-term
Relevance
8/31/2026
First Seen
Sources
Related Entities
Related Claims
Unverified如果模型只见过正样本，会倾向于对任何输入都强行调用工具，产生幻觉式调用，负样本帮助模型习得何时不该调用的判断边界78% similarUnverified对嵌入模型进行对比学习微调需要标注数据（成功入职的正样本与被拒绝的负样本）才能显著提升效果77% similarUnverified模型选型时不仅要看标准数据集精度，更要关注其在陌生数据上的域外泛化鲁棒性75% similarVerified微调是在通用预训练模型基础上用特定领域数据进行二次训练，使模型能将领域知识内化为参数，推理时无需额外检索步骤，延迟更低74% similarUnverified生成模型在小样本时更具优势，判别模型在大数据量时通常表现更好74% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/831140API
curl https://kongchang.com/api/v1/knowledge/claims/831140MCP
get_claim(id=831140)