待验证50% 置信事实精确时间

领域适配（Domain Adaptation）原本是机器学习术语，指将在大规模通用数据上训练的模型迁移到特定领域；在 LLM 应用层演化为通过提示工程、检索增强（RAG）、微调或技能注入等方式让通用模型在垂直场景中表现更专业。

1

来源数

50%

置信度

长期有效

时效性

2026/10/28

首次发现

来源

Agent Skills 实战：用模块化技能构建优秀界面

涉及实体

领域适配concept RAGconcept LLMconcept

相关事实

待验证传统机器学习工程侧重模型训练、特征工程、算法优化，而现代LLM应用开发围绕API调用、提示工程、检索增强生成（RAG）和智能体编排展开74% 相似待验证语义漂移（Semantic Drift）指 LLM 倾向于基于训练数据中的通用模式推断，而非严格遵守特定企业业务定义70% 相似待验证归纳偏置指学习模型在未见数据上进行泛化的内在倾向，它源于模型架构、假设空间或先验知识对解的限制。69% 相似待验证合成预训练加真实微调的范式在学术界被称为SimDA（Simulation-to-Real Domain Adaptation）流程69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1106963

API

curl https://kongchang.com/api/v1/knowledge/claims/1106963

MCP

get_claim(id=1106963)