class-balancing

使用**条件分层**构建一种分层且节省 token 的训练分布，用于推理迁移。适用于将不同语言类别（如笑话、散文、定义）混合到单一训练方案中，且各类别长度或 token 数量差异可能导致梯度不稳定的情况。当触发“平衡我的训练混合”、“跨类别采样”、“我的类别长度不同”或从异构文本源构建课程时启用。该技能对每个类别强制执行严格的长度过滤和 token 预算均等化，以最大化类别间的结构迁移。**不适用于分类器类别权重或不平衡标签重采样**——本技能不包含 class_weight、过采样或少样本类别处理；相关需求请参考 `stratified-quota-sampling` 或 `median-bifurcation`。

模型生成摘要（rules/v1 · 2026-11-13 22:08）：使用**条件分层**构建一种分层且节省 token 的训练分布，用于推理迁移
这是模型对公开材料的总结，不是官方声明，请以原链内容为准。

存档时间线

版本	存档时间	内容哈希	内容
v1	2026-11-13 22:06	99b5418c	可取

版本索引永久保留；内容副本只保留最新 1 份，更早版本仅留索引与哈希（存档时间线的证据链不会因此断裂）。

下载存档内容副本

纠错与举报（发现条目失效、署名有误或涉及侵权？）

提交举报 / 纠错

侵权举报经核验成立后，我们会即时下线该条目并删除已存的内容副本。