已验证75% 置信事实精确时间

微调（Fine-tuning）通过反向传播算法在预训练权重基础上继续更新参数，使模型适应特定领域或任务风格

3

来源数

75%

置信度

长期有效

时效性

2026/7/9

首次发现

来源

提示词工程入门：从认知到落地的完整指南

bilibili大模型全栈开发2026/7/3

相关事实

待验证大模型版本号惯例中，整数位变化多对应架构、预训练数据或参数规模的重大调整，小数位则对应后训练优化、数据配比微调、推理加速与缺陷修复。78% 相似待验证模型漂移指模型上线后由于真实世界数据分布变化导致预测性能随时间下降的现象，应对手段包括持续监控、性能告警阈值和定期或触发式再训练。78% 相似待验证在强化学习流程中，模型需要不断生成候选输出（rollout），这些输出被评估打分后反馈回训练过程以更新策略77% 相似待验证Scheduled Sampling是缓解曝光偏差的折中方案，在训练后期逐渐引入模型自身预测作为输入76% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/396169

API

curl https://kongchang.com/api/v1/knowledge/claims/396169

MCP

get_claim(id=396169)