长尾问题

Long-tail Problem常用

单个罕见、总数却极多的情况，训练数据很少覆盖，最容易出错。

长尾来自统计里的长尾分布：少数常见情况（头部）占了大部分数据，大量罕见情况（尾部）各自出现很少，但加起来数量巨大。自动驾驶最早把它当作核心难题：绝大多数时间是正常行驶，但偶尔会遇到施工改道、路上的掉落物、突然冲出的行人等 corner case，这些场景数据少，又往往关乎安全。具身智能同样如此：家里的物体、摆放和意外状况千变万化，演示数据也天然偏向少数任务；ICRA 2026 的论文 Beyond the Majority 指出，通用机器人策略在数据稀少的尾部任务上泛化明显变差，常规的重采样方法效果有限。应对思路包括持续回收部署中的失败数据（数据飞轮）、用仿真和合成数据补尾部、提升模型泛化和失败恢复能力。长尾是「演示能跑通」和「产品能落地」之间差距的主要来源。