待验证50% 置信事实精确时间

AIPW的方差通常低于纯IPW，且当两个模型都正确时达到半参数有效界。

1

来源数

50%

置信度

长期有效

时效性

2026/10/12

首次发现

来源

预测驱动的数据融合：提升因果效应估计精度

涉及实体

AIPW（增广逆概率加权）concept 逆概率加权（IPW）concept

相关事实

待验证某些AI能力在模型规模低于特定阈值时几乎为零，跨越阈值后急剧提升，呈现非线性的'相变'特征66% 相似待验证当倾向得分接近0或1时，IPW的权重会极端放大，导致估计方差膨胀。64% 相似待验证不同归一化方案对同一模型的IC影响可达0.01-0.03的量级63% 相似待验证在本地部署中使用参数量较小或量化后的模型时，AI幻觉发生概率可能高于大型商用模型63% 相似待验证二元门槛设计对接近门槛的模型不友好，0.74和0.80在分数上天壤之别但实际能力差异可能微乎其微61% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1012927

API

curl https://kongchang.com/api/v1/knowledge/claims/1012927

MCP

get_claim(id=1012927)