已验证75% 置信注意事项精确时间
如果评测基准与训练数据高度对齐，超越更多反映的是过拟合式的专精而非真正能力提升
3
来源数
75%
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rank值过高、学习率设置不当或训练步数过多是LoRA训练过拟合的常见诱因79% 相似待验证如果评测样本（包括近似重复样本）出现在训练数据中，分数反映的是记忆能力而非真实技能79% 相似待验证后训练阶段的强化学习能在分布内和分布外任务上提升解答准确率，但并不能持续改善推理轨迹的有效性79% 相似已验证对齐训练优化的是模型在已知场景下的统计行为，而非建立可形式化验证的安全边界，面对训练分布之外的罕见指令组合或角色扮演框架时可能失效77% 相似待验证计算最优（Compute-Optimal）并不等于集群最优（Cluster-Optimal），真正决定训练效率的因素远不止浮点运算次数77% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/900001API
curl https://kongchang.com/api/v1/knowledge/claims/900001MCP
get_claim(id=900001)