待验证50% 置信事实精确时间

该论文提出的框架是在给定覆盖率约束下最小化模型在回答部分的错误率

1

来源数

50%

置信度

长期有效

时效性

2026/10/12

首次发现

来源

AI该何时说"我不知道"？论可信AI的下一个里程碑

涉及实体

Selective Classification for Deep Neural Networksconcept

相关事实

待验证研究建立了条件得分估计误差的非渐近界，即在有限样本量下即成立的界限77% 相似待验证论文将问题形式化为：在满足目标性能约束的前提下，最小化期望推理成本75% 相似待验证该论文在核诱导几何中的收缩假设与标准谱间隙假设下，建立了经验占用测度收敛到不变测度的非渐近、高概率上界71% 相似待验证该研究结论反驳了模型会根据问题难度自适应调整计算量的流行说法69% 相似待验证本文将源条件和容量条件这一经典最小二乘框架推广到依赖数据（马尔可夫链轨迹）的场景68% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1004519

API

curl https://kongchang.com/api/v1/knowledge/claims/1004519

MCP

get_claim(id=1004519)