待验证50% 置信事实精确时间

当目标数据域与源数据域差异悬殊时，预训练权重可能产生负迁移（Negative Transfer），反而干扰目标域的学习

1

来源数

50%

置信度

长期有效

时效性

2026/7/16

首次发现

来源

模型训练失败怎么办？系统化排查与迭代指南

相关事实

待验证跨域微调时学习率过大会破坏预训练权重，过小则几乎学不动，需权衡设置73% 相似待验证在稠密检索中，批内负样本训练要求批次包含有信息量的负样本，随机采样会导致训练损失快速收敛但泛化性能差73% 相似待验证数据漂移（Data Drift）指线上真实数据的统计特性偏离训练集时，模型性能在无报错情况下持续下滑73% 相似待验证仅用成功轨迹训练的模型往往存在分布外泛化的严重缺陷，遇到工具返回错误时便丧失纠偏能力72% 相似待验证训练物体类型过于单一的数据集会导致模型在面对其他材质或形态物体时性能急剧下降，即域迁移问题72% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/527162

API

curl https://kongchang.com/api/v1/knowledge/claims/527162

MCP

get_claim(id=527162)