待验证60% 置信事实精确时间
参数化知识固化在模型权重中，训练结束后无法在不重新训练的情况下更新；非参数化知识存储在外部数据库中，可随时增删改查
2
来源数
60%
置信度
长期有效
时效性
2026/7/12
首次发现
来源
Embedding微调实战：提升RAG检索质量的核心优化手段
bilibili研究院张Q2026/7/8
相关事实
待验证分布式训练时保存检查点还需保存数据加载器的状态和随机数种子，否则恢复后数据顺序和增广结果会不一致，导致训练不可复现。76% 相似已验证单纯堆砌参数而训练数据不足会导致模型大而不强，参数跃升需配合同步扩大的训练语料与算力才能兑现能力增益75% 相似已验证对齐训练优化的是模型在已知场景下的统计行为，而非建立可形式化验证的安全边界，面对训练分布之外的罕见指令组合或角色扮演框架时可能失效75% 相似待验证大模型的参数化知识只覆盖训练语料截止之前的内容，不包含企业内部文档、数据库和工单；上下文窗口（如8K、128K token）决定了单次能塞入多少信息，超出会被截断。75% 相似待验证定期用未参与训练的新数据回测，是避免模型随工况漂移而失效的必要手段。74% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/489917API
curl https://kongchang.com/api/v1/knowledge/claims/489917MCP
get_claim(id=489917)