待验证50% 置信事实精确时间

选择性预测框架中效用函数通常写作 U = α·P(correct) - β·P(wrong)，α和β代表答对收益与答错惩罚权重

1

来源数

50%

置信度

长期有效

时效性

2026/10/12

首次发现

来源

语言模型能学会何时拒答吗？策略学习与答案选择器实验

涉及实体

选择性预测concept

相关事实

待验证策略梯度定理表明期望回报对策略参数的梯度可表示为 ∇J(θ) = E[∇log π_θ(a|s) · A(s,a)]，其中A是优势函数72% 相似待验证自回归模型逐Token从左到右生成，本质是马尔可夫过程，在逻辑推理中存在错误积累效应67% 相似待验证自回归token预测范式建立在相关性而非因果性之上64% 相似待验证岭回归是在普通线性回归基础上加入L2正则化项的回归算法，在最小化预测误差的同时对模型系数施加惩罚，防止过拟合64% 相似待验证在 Opus 5.5 提示词中强制模型在回答中展示完整推理链可能导致模型拒绝或输出质量下降64% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1002065

API

curl https://kongchang.com/api/v1/knowledge/claims/1002065

MCP

get_claim(id=1002065)