4.判断题（1分）大模型的泛化能力更强，在新数据或未见过的数据上也能表现出较好的性能。√ ×

泛化能力是机器学习模型的重要性能指标，指模型在未见过的数据上表现的能力。大模型（如参数量大的深度学习模型）通常通过以下方式提升泛化能力：

1. 更大的参数空间：能捕捉更复杂的特征；
2. 正则化技术（如Dropout、权重衰减）减少过拟合；
3. 大规模训练数据覆盖更多数据分布。

题目中的表述符合大模型的普遍特性，因此判断为正确。

关键点解析：

• 泛化能力定义：模型对新数据的适应能力。
• 大模型优势：参数多、训练数据丰富，通常在合理调优下泛化表现更好。
• 反例限制：若未采用正则化或过拟合，泛化能力可能下降，但题目未涉及具体条件，故默认一般情况。