待验证50% 置信解决方案精确时间

用新数据更新模型时可能破坏原有能力，即灾难性遗忘，工业界通过失败案例库、数据增强与混合回放技术来整合新数据

1

来源数

50%

置信度

长期有效

时效性

2026/7/15

首次发现

来源

通用机器人策略评估：如何科学衡量真实部署能力

相关事实

待验证若只用新增类别数据微调扩展后的分类头，模型极易出现灾难性遗忘，急剧丧失对原有类别的识别能力74% 相似待验证微调将知识烧录进模型权重，知识更新需重新训练成本高；RAG将知识存储外部数据库，更新只需修改数据库无需改动模型71% 相似待验证数据泄漏是因意外引入测试集信息而导致模型评估虚高的陷阱，常见形式包括在划分数据集之前就对全量数据做标准化或使用时间上因果倒置的特征70% 相似待验证工具调用使攻击面从让模型说错话升级为让模型做错事，危害从信息误导上升为实质性的数据访问和系统篡改70% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/511170

API

curl https://kongchang.com/api/v1/knowledge/claims/511170

MCP

get_claim(id=511170)