待验证60% 置信事实精确时间
模型学到的概率分布天然偏向高频事件和常见模式，对长尾事件存在系统性低估
2
来源数
60%
置信度
长期有效
时效性
2026/9/3
首次发现
来源
涉及实体
相关事实
待验证当引导信号偏离模型自身的采样分布时，策略梯度估计会产生偏差78% 相似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76% 相似已验证批次归一化层在小批次场景下统计量估计噪声很大，与Dice损失的区域级计算特性叠加会放大预测概率分布的波动76% 相似待验证传统投资组合理论（如马科维茨均值-方差模型）假设收益服从正态分布，从而低估尾部事件的影响；而塔勒布在《黑天鹅》中强调现实世界的分布往往具有厚尾特征，极端事件的频率远高于正态分布的预测。76% 相似待验证随机误差可以通过增加样本量平均掉，系统性偏差却会随样本量放大，导致攻击成功率被结构性高估或低估。75% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/851353API
curl https://kongchang.com/api/v1/knowledge/claims/851353MCP
get_claim(id=851353)