待验证50% 置信观点精确时间

样本过于简单则模型无学习价值，过于困难则可能引入噪声学习信号干扰训练，最有效的学习发生在略高于当前能力但仍可企及的区域

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

最近发展区concept Curriculum Learningconcept

相关事实

待验证高偏差意味着模型过于简单导致欠拟合，高方差意味着模型学入噪声导致过拟合，两者往往此消彼长78% 相似待验证数据规模的增长并不等同于有效学习信号的增长，在模型能力提升到一定阈值后简单堆砌样本的收益会急剧下降75% 相似已验证过拟合是指模型在训练数据上表现优异，但在未见过的测试数据上性能大幅下降的现象75% 相似待验证模型微调的真正难点在于高质量训练数据的构建与清洗、防止灾难性遗忘，以及量化后的推理部署74% 相似已验证大模型幻觉产生的三大原因是训练数据噪声、概率优先机制和数据时效性不足74% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/797143

API

curl https://kongchang.com/api/v1/knowledge/claims/797143

MCP

get_claim(id=797143)