待验证50% 置信权衡取舍精确时间

在语言任务的长尾分布下，增加数据带来的不确定性减少收益可能远低于 1/n 直觉的预期

1

来源数

50%

置信度

长期有效

时效性

2026/10/12

首次发现

来源

语料采样如何影响掩码文本重建：预测模型分歧的量化研究

涉及实体

语料采样分歧concept

相关事实

待验证在同等参数规模下，扩散语言模型的困惑度和下游任务表现通常仍落后于成熟的自回归模型76% 相似待验证认知不确定性源于训练数据不足可通过增加数据减少，随机不确定性源于数据固有噪声无法通过增加数据消除76% 相似待验证计数式预测能部分识别哪些输入对语料变化最敏感，但明显低估了神经模型分歧下降的速度74% 相似待验证大模型在信息不足时生成的内容往往会跑偏，上下文越贫乏输出质量越差74% 相似待验证在信息检索领域，提高召回率往往会降低精确率，反之亦然74% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1001482

API

curl https://kongchang.com/api/v1/knowledge/claims/1001482

MCP

get_claim(id=1001482)