Unverified60% confidenceFactExact time
过拟合是指模型在训练数据上表现很好，但在新数据上表现很差
2
Sources
60%
Confidence
Long-term
Relevance
9/11/2026
First Seen
Sources
Related Entities
Related Claims
Unverified单纯堆砌参数而训练数据不足会导致模型大而不强，参数跃升需配合同步扩大的训练语料与算力才能兑现能力增益77% similarUnverified智能体的偏好受训练数据、提示词、版本迭代等多重因素影响，今天有效的优化手段可能在下一次模型更新后失效77% similarVerified通过更高质量的训练数据、更优化的训练策略和更精细的后训练对齐，较小规模的模型可以在实际任务上完全超越规模更大但训练质量较低的模型75% similarUnverified对齐训练优化的是模型在已知场景下的统计行为，而非建立可形式化验证的安全边界，面对训练分布之外的罕见指令组合或角色扮演框架时可能失效75% similarUnverified小模型通过知识蒸馏通常比直接在标注数据上训练精度高出2-5个百分点75% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/893026API
curl https://kongchang.com/api/v1/knowledge/claims/893026MCP
get_claim(id=893026)