Unverified50% confidenceFactExact time
传统监督学习的理论假设是训练数据和测试数据来自同一分布（i.i.d.假设），但现实中几乎从不成立
1
Sources
50%
Confidence
Long-term
Relevance
9/1/2026
First Seen
Sources
Related Entities
Related Claims
Verified当模型训练数据包含评测集题目或高度相似内容时，模型可能通过记忆而非真正理解获得高分72% similarUnverified模型本身对准确性毫无概念，它只是模仿训练数据中观察到的统计分布71% similarUnverified标准的 McNemar 检验假设比较的是两个确定性模型在单一固定测试集上的预测结果，而随机种子引入的是模型训练本身的变异性，这两种不确定性来源在概念上属于不同层次69% similarUnverified蒸馏训练范式导致开源模型学习到经过高度过滤、几乎不包含失败和纠错过程的数据分布，使模型形成不愿自我纠正的性格68% 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68% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/838966API
curl https://kongchang.com/api/v1/knowledge/claims/838966MCP
get_claim(id=838966)