Unverified50% confidenceFactExact time
过拟合指模型在验证集或测试集上被反复调优，最终记住这些数据的特性，而非真正学到泛化能力
1
Sources
50%
Confidence
Long-term
Relevance
9/14/2026
First Seen
Sources
Related Entities
Related Claims
Unverified对嵌入模型进行对比学习微调需要标注数据（成功入职的正样本与被拒绝的负样本）才能显著提升效果76% similarUnverified同样的模型只改几句提示词，回答效果可能天壤之别，提示词设计本质上是持续测试、不断调整、反复优化的循环75% similarVerified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74% similarUnverified若训练数据完全由正样本构成，模型会倾向于对任何输入都强行调用工具，产生幻觉式调用74% similarUnverified模型选型时不仅要看标准数据集精度，更要关注其在陌生数据上的域外泛化鲁棒性74% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/920806API
curl https://kongchang.com/api/v1/knowledge/claims/920806MCP
get_claim(id=920806)