Unverified60% confidenceOpinionExact time
数据质量对微调效果的影响往往远大于超参数调整，在样本量有限的场景下尤为关键
2
Sources
60%
Confidence
Long-term
Relevance
9/12/2026
First Seen
Sources
Related Entities
Related Claims
Unverified低成本数据采集与数据质量之间存在根本权衡，便宜但噪声过大的数据可能反而损害最终模型表现79% similarUnverified在显存受限情况下,模型量化级别对性能的影响大于KV缓存量化级别77% similarUnverified在数据不足时，与任务更匹配的归纳偏置往往比更强的模型容量更有价值76% similarUnverified微调时应使用难负样本（如同领域但不同层级的岗位）而非随机负样本，以获得最大增益76% similarUnverified小模型对数据分布更敏感，同样的数据补充量在 4B 模型上的边际效果往往比大模型更明显，但也更容易过拟合或遗忘75% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/913150API
curl https://kongchang.com/api/v1/knowledge/claims/913150MCP
get_claim(id=913150)