待验证60% 置信事实时间未知
训练数据中的重复内容会导致模型记忆化和性能下降
2
来源数
60%
置信度
长期有效
时效性
2026/6/1
首次发现
来源
GitHub 8K Star：最全LLM大语言模型资源库深度解析
githubWangRongsheng
相关事实
已验证偶发性故障的内存条可能交替产生正确和错误的计算结果，导致神经网络训练中梯度计算偶发性偏差，影响模型收敛性且不触发硬件告警79% 相似已验证过拟合是指模型在训练数据上表现优异，但在未见过的测试数据上性能大幅下降的现象79% 相似待验证在神经网络中，参数通过梯度下降共同编码多个任务的知识，当模型在新任务上训练时，梯度更新会大幅改变对旧任务至关重要的权重，而旧任务数据不再出现，导致模型逐渐忘记旧任务。78% 相似待验证文生图模型的理解本质上是大规模统计关联，面对训练集中稀少出现的长尾概念时生成质量会显著下滑78% 相似待验证当生成模型反复在自身生成的数据上训练时，输出分布会逐渐退化，低概率事件被系统性遗忘77% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/33422API
curl https://kongchang.com/api/v1/knowledge/claims/33422MCP
get_claim(id=33422)