文档摘要

3.2 泛化失败与不确定性 本节摘要：泛化是模型在未见样本上仍可用的能力。开放世界里，数据分布会因时间、地点、设备、人群而偏移；罕见病变、极端天气、非标准口音会让「测试集优秀」的系统突然降智。与对抗不同，这里常常没有敌人，只有世界比训练集大。安全要求系统估计不确定性：高不确定时拒绝、降级或交给人，而不是用一个过分自信的概率把人送进不可逆流程。 学习目标 阅读完本节，你应当能够： 区分独立同分布假设与真实部署中的分布偏移。 会员。《3.2 泛化失败与不确定性》收录于灏天文库文集《AI伦理与安全：未来发展不可忽视的议题》，原作者/来源：灏天文库，整理自「灏天文库」，提供技术教程、实践指南与问题解决方案，支持在线阅读、全文检索与知识沉淀，助力开发者系统化学习。本站整理收录，版权归原作者/开源协议所有。

该文档为会员专享，请先登录或注册后再查看

登录 注册

---

作者与出处

原作者： 灏天文库

来源：灏天文库

原文： https://aiknowledge.cn/collection/442-ai%E4%BC%A6%E7%90%86%E4%B8%8E%E5%AE%89%E5%85%A8%E6%9C%AA%E6%9D%A5%E5%8F%91%E5%B1%95%E4%B8%8D%E5%8F%AF%E5%BF%BD%E8%A7%86%E7%9A%84%E8%AE%AE%E9%A2%98

整理： 灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流