待验证50% 置信解决方案精确时间
排查模型不收敛时，可以先用很小的数据子集测试模型能否过拟合该子集，若连几个样本都学不会，大概率是代码或配置有bug
1
来源数
50%
置信度
长期有效
时效性
2026/9/11
首次发现
来源
涉及实体
相关事实
待验证针对具体模型缺陷设计小批量高质量样本的做法被称为靶向数据工程，且小模型对数据分布比大模型更敏感78% 相似已验证若用含测试集的全量数据计算均值和标准差，会导致预处理泄漏，使评估指标虚高，无法真实反映模型泛化能力77% 相似待验证应对长尾分布的常见策略包括过采样（如SMOTE）、欠采样、类别权重调整、Few-shot Learning及利用大模型零样本能力兜底73% 相似待验证小模型在分布内高性能的同时存在分布外脆弱性，一旦推理时的工具描述措辞、参数命名或用户查询风格偏离训练集，成功率可能显著下滑73% 相似待验证微调时应使用难负样本（如同领域但不同层级的岗位）而非随机负样本，以获得最大增益73% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/893028API
curl https://kongchang.com/api/v1/knowledge/claims/893028MCP
get_claim(id=893028)