Verified65% confidenceFactExact time
越接近截止日的事件，在训练语料中占比越少，模型掌握得越模糊
3
Sources
65%
Confidence
Long-term
Relevance
9/12/2026
First Seen
Sources
Related Entities
Related Claims
Unverified'放缓'缺乏可操作的定义，尚未就放缓何种指标（模型参数规模、训练算力投入或能力发布时间表）形成共识79% similarUnverified如果模型预训练语料中极少出现超过 32K token 的样本，即便通过位置编码扩展窗口，模型在该区间的表现也往往不稳定77% similarUnverified少步数生成方案存在质量与速度的权衡：步数过少时模型难以修正早期误差，可能导致细节模糊或运动不自然77% 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75% similarUnverified语境混淆造成的是窄域失准（narrow misalignment），失准集中在与训练数据语义相近的特定领域，而非模型整体行为的广泛退化75% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/913207API
curl https://kongchang.com/api/v1/knowledge/claims/913207MCP
get_claim(id=913207)