Unverified50% confidenceFactExact time
现实世界具有非平稳性，训练时的策略在环境发生分布偏移后性能可能急剧下降
1
Sources
50%
Confidence
Long-term
Relevance
9/12/2026
First Seen
Sources
Related Entities
Related Claims
Verified仅用成功轨迹训练的模型往往存在分布外泛化的严重缺陷，遇到工具返回错误时便丧失纠偏能力73% similarUnverified分布偏移是指训练环境与部署环境之间的统计分布差异，是虚假相关性导致性能崩溃的直接机制71% similarUnverified跨域微调时学习率过大会破坏预训练权重，过小则几乎学不动，需权衡设置71% similarUnverified离线RL的核心挑战是分布偏移，可能导致外推误差，使学到的策略在部署时表现远不如预期70% similarUnverified文生图模型的理解本质上是大规模统计关联，面对训练集中稀少出现的长尾概念时生成质量会显著下滑70% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/911441API
curl https://kongchang.com/api/v1/knowledge/claims/911441MCP
get_claim(id=911441)