待验证50% 置信解决方案精确时间

分类器同时使用TF-IDF词特征和all-MiniLM-L6-v2生成的句向量，两者拼接后训练balanced logistic regression分类器。

1

来源数

50%

置信度

长期有效

时效性

2026/10/12

首次发现

来源

用Python、Spring Boot和React构建AI Issue分类助手

涉及实体

TF-IDFconcept all-MiniLM-L6-v2model balanced logistic regressionconcept

相关事实

待验证LLM-Blender 通过训练专用排序模型 PairRanker 来评估多个 LLM 的候选输出并融合最优结果68% 相似待验证GenST 使用一个经过微调的预训练 LLM，从节点描述中提取高维语义特征作为预测依据66% 相似待验证在二分类问题中召回率（Recall/Sensitivity）计算公式为TP/(TP+FN)，衡量模型识别所有真实阳性样本的能力65% 相似待验证ChatGPT训练中预训练阶段使用非监督学习做下一个词预测，指令微调阶段引入监督学习，最后通过RLHF对齐模型输出64% 相似待验证选择性量化思路与LLM领域的GPTQ、AWQ等量化方法一脉相承64% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1009436

API

curl https://kongchang.com/api/v1/knowledge/claims/1009436

MCP

get_claim(id=1009436)