待验证50% 置信事实精确时间

常规训练（如交叉熵损失）只惩罚预测错误而不约束概率校准质量，导致模型存在过度自信或过度保守的问题

1

来源数

50%

置信度

长期有效

时效性

2026/10/12

首次发现

来源

THX-01：322M参数开源决策模型，10毫秒完成单次推理

涉及实体

交叉熵损失concept

相关事实

已验证仅用成功轨迹训练的模型往往存在分布外泛化的严重缺陷，遇到工具返回错误时便丧失纠偏能力78% 相似待验证大语言模型的训练目标是最小化下一个token的预测损失（交叉熵损失），而非验证生成内容的事实准确性76% 相似待验证偶发性故障的内存条可能交替产生正确和错误的计算结果，导致神经网络训练中梯度计算偶发性偏差，影响模型收敛性且不触发硬件告警76% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1005026

API

curl https://kongchang.com/api/v1/knowledge/claims/1005026

MCP

get_claim(id=1005026)