MENTAL MODEL · M5025
双重下降
Double Descent
更新于 2026-08-03
CORE DEFINITION · 核心定义
传统统计学认为模型越复杂越容易过拟合（测试误差变大）。但现代深度学习发现，当模型复杂度超过某个临界点（插值阈值）后，随着参数继续增加，测试误差反而会再次下降。
SCAFFOLDING EFFECT · 脚手架效应
psychology
降低认知负荷
大模型“力大砖飞”的依据。它颠覆了传统的“奥卡姆剃刀”在AI领域的应用，表明在海量数据下，过度参数化（Over-parameterization）不仅无害，反而是通向更高智能的路径。
anchor
锚定快速决策
机器学习现象：测试误差随模型复杂度先降后升再降——在“插值区”（模型大到过拟合训练集）误差二次下降，挑战传统偏差-方差权衡直觉。
MINIMUM ACTION · 最小行动
进行中 0/4在一个真实场景中练习这个模型：
勾选记录你的进度（本机暂存）
掌握进度0%
account_tree知识谱系 Genealogyexpand_more
menu_book信源参考 Sourcesexpand_more
来源明确性: 明确
- en.wikipedia.orghttps://en.wikipedia.org/wiki/Double_descentverified
PRIVATE NOTES · 仅自己可见
已保存问答
ENTRY Q&A · 可保存至我的笔记
在清晰边界内提问
thinkingmodels 仅基于已发布的条目上下文回答。
你的问题会发送给 thinkingmodels；回答仅使用公开词条上下文。
RELATED MODELS · 相关模型