https://terms-en.ai-term-hub.com/zh/tags/training-dynamics/Recent content in Training Dynamics on 中文AI术语词典Hugozh-cnSat, 18 Jul 2026 11:44:45 +0000https://terms-en.ai-term-hub.com/zh/terms/representation_collapse/Sat, 18 Jul 2026 11:32:14 +0000https://terms-en.ai-term-hub.com/zh/terms/representation_collapse/<h2 id="definition">Definition</h2> <p>当神经网络（特别是在自监督对比学习框架中）将所有输入数据点映射到同一个固定的输出向量时，就会发生表征坍塌。这种平凡解虽然最小化了损失函数，但未能学习到有用的特征表示。</p> <h3 id="summary">Summary</h3> <p>自监督学习中的一种失效模式，模型对所有输入输出相同的表征，导致判别能力丧失。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>自监督学习</li> <li>对比损失</li> <li>平凡解</li> <li>特征学习</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>调试 SimCLR 或 MoCo 模型</li> <li>改进对比损失函数</li> <li>分析模型收敛性</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E5%AF%B9%E6%AF%94%E5%AD%A6%E4%B9%A0/">对比学习</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E6%89%B9%E5%BD%92%E4%B8%80%E5%8C%96/">批归一化</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E5%8A%A8%E9%87%8F%E7%BC%96%E7%A0%81%E5%99%A8/">动量编码器</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E7%89%B9%E5%BE%81%E6%8F%90%E5%8F%96/">特征提取</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/overfitting/Sat, 18 Jul 2026 11:01:16 +0000https://terms-en.ai-term-hub.com/zh/terms/overfitting/<h2 id="definition">Definition</h2> <p>当模型对训练数据学习得过于完美，包括其随机噪声和异常值时，就会发生过拟合。这导致模型在训练数据上表现优异，但在新的、未见过的测试数据上表现糟糕。</p> <h3 id="summary">Summary</h3> <p>一种建模误差，机器学习算法捕捉到了噪声而非潜在信号，从而损害了泛化能力。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>高方差</li> <li>泛化能力差</li> <li>训练误差与测试误差差距大</li> <li>模型复杂度</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>诊断模型性能问题</li> <li>选择正则化强度</li> <li>确定最佳模型深度</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/underfitting-%E6%AC%A0%E6%8B%9F%E5%90%88/">underfitting (欠拟合)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/regularization-%E6%AD%A3%E5%88%99%E5%8C%96/">regularization (正则化)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/cross_validation-%E4%BA%A4%E5%8F%89%E9%AA%8C%E8%AF%81/">cross_validation (交叉验证)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/bias_variance_tradeoff-%E5%81%8F%E5%B7%AE-%E6%96%B9%E5%B7%AE%E6%9D%83%E8%A1%A1/">bias_variance_tradeoff (偏差-方差权衡)</a></li> </ul>