الإفراط في التدريب (overfitting) هو ظاهرة يتعلم فيها النموذج بيانات التدريب حرفياً إلى درجة كبيرة — بما في ذلك الضوضاء والاستثناءات العشوائية — لدرجة أنه يفقد القدرة على التعميم بشكل صحيح على البيانات الجديدة التي لم يسبق له رؤيتها. ويتجلى ذلك في تحقيق نتائج ممتازة على مجموعة البيانات التدريبية مباشرةً، ولكن مع أداء أضعف بشكل ملحوظ في الاستخدام الفعلي، وهو أحد المخاطر الرئيسية عند تطوير أي نموذج للذكاء الاصطناعي.
