待验证50% 置信观点精确时间

通过合成方式产生的绝大多数样本本质上是模型已掌握知识的浅层变体，无法提供有效学习信号

1

来源数

50%

置信度

长期有效

时效性

2026/8/25

首次发现

来源

后训练数据困境：数量还是质量？合成数据的边际效用递减

涉及实体

合成数据concept

相关事实

待验证蒸馏训练范式导致开源模型学习到经过高度过滤、几乎不包含失败和纠错过程的数据分布，使模型形成不愿自我纠正的性格78% 相似待验证若合成数据生成过程遗漏关键变量间的相关性，基于此训练的模型在真实部署环境中往往表现失常76% 相似待验证模型的工具调用能力来自专门的微调训练，而非通用语言模型的自然涌现74% 相似待验证如果模型只见过正样本，会倾向于对任何输入都强行调用工具，产生幻觉式调用，负样本帮助模型习得何时不该调用的判断边界73% 相似待验证大语言模型的知识是通用性的，不了解具体项目上下文，面对已有系统时缺乏项目特定上下文会导致输出退化为有根据的猜测73% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/797139

API

curl https://kongchang.com/api/v1/knowledge/claims/797139

MCP

get_claim(id=797139)