待验证50% 置信事实精确时间
域偏移是指训练数据分布与实际部署场景数据分布之间的系统性差异，是迁移学习和AI工程落地的核心挑战之一
1
来源数
50%
置信度
长期有效
时效性
2026/7/15
首次发现
来源
相关事实
已验证迁移学习策略以ImageNet预训练权重为基础，在农业专用数据集上进行微调，可以用较少的训练数据获得较高的识别精度76% 相似待验证训练-部署鸿沟指模型因训练与部署环境的数据分布偏移、软件依赖版本差异或硬件指令集不同而导致的性能下降74% 相似待验证在医学影像任务标注数据有限的场景下，迁移学习是常用策略，可将所需训练样本量降低数个数量级72% 相似待验证智能体轨迹数据集将成为训练实用智能体的主要瓶颈之一72% 相似待验证行为克隆存在分布偏移（Distribution Shift）问题：训练时策略只接触专家轨迹覆盖的状态分布，部署时微小偏差累积会使实际访问的状态分布逐渐偏离训练分布72% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/518268API
curl https://kongchang.com/api/v1/knowledge/claims/518268MCP
get_claim(id=518268)