Unverified50% confidenceBenchmarkExact time
训练后的模型每token负对数似然（NLL）为0.93，而随机初始化的同结构孪生模型为12.60
1
Sources
50%
Confidence
Long-term
Relevance
9/23/2026
First Seen
Sources
Related Entities
Related Claims
Unverified当模型对某个训练样本的预测概率接近1时，该样本对应的交叉熵损失趋近于零，模型几乎无法获得梯度更新信号70% similarUnverified对于仅使用合法训练集训练的负对照模型，该测量方法效应值为-0.012，从未误报污染67% similarUnverified微调后的DistilBERT在同分布测试中F1=0.9993，但在主题偏移下损失12.9个平均精度点，退化比线性模型的5.2点更严重67% similarUnverifiedMcNemar检验的零假设是b和c在总体中相等，即两个模型犯错方向对称，无系统性优劣67% similarUnverified真实训练出的模型中权重分布往往不均匀，大量权重趋向于0，形成天然稀疏性67% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/942824API
curl https://kongchang.com/api/v1/knowledge/claims/942824MCP
get_claim(id=942824)