Unverified50% confidenceCautionExact time
弱监督标签的质量上限取决于零样本模型本身的准确率，若模型系统性出错训练集会继承该偏差
1
Sources
50%
Confidence
Long-term
Relevance
10/5/2026
First Seen
Sources
Related Entities
Related Claims
Unverified记录'某个推荐方案不适用'的负样本与记录成功同样重要，否则模型会陷入统计偏差，把高频方案误当成高正确率方案78% similarUnverified对于训练数据欠覆盖的细胞类型或物种，这类模型的预测结果可靠性会显著下降75% similarUnverified对小样本切片设置绝对失败数上限比设置百分比门槛更稳健，且对样本量不敏感74% similarUnverified当成功率极低时几乎所有样本奖励相同，策略梯度方差极大而信噪比极低，导致模型无法获得有效更新方向74% similarUnverified研究表明攻击者只需修改训练数据中低至0.01%的比例，就可能在模型中植入标准评估中不可检测的后门行为73% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/976269API
curl https://kongchang.com/api/v1/knowledge/claims/976269MCP
get_claim(id=976269)