Unverified50% confidenceFactExact time
AdaBoost每一轮训练后提高被错误分类样本的权重，降低被正确分类样本的权重
1
Sources
50%
Confidence
Long-term
Relevance
10/5/2026
First Seen
Sources
Related Entities
Related Claims
Unverified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73% similarUnverifiedInfoNCE 损失通过在一批候选中最大化正样本对相似度、最小化负样本对相似度进行训练，温度超参数τ越小分布越集中70% similarUnverified厂商自测的编码分数通常在精心筛选的子集上测量，独立机构在完整测试集上的复现结果往往偏低68% similarUnverified经过学习产出的制品能够减少测试时达到既定分数所需的采样次数68% similarUnverifiedAnthropic的研究表明，即便温和的对齐训练也会导致模型在某些推理密集型任务上下降2-8个百分点68% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/977406API
curl https://kongchang.com/api/v1/knowledge/claims/977406MCP
get_claim(id=977406)