待验证50% 置信观点精确时间
d1-ultra 声称在单次前向传播中输出校准概率，作者推测其可能将校准机制直接嵌入训练目标或输出层设计，而非依赖事后修正。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/16
首次发现
有效期至：2027/1/14
来源
Liquid AI发布d1-ultra：多模态决策模型AA指数达65
rss2026/10/16
涉及实体
相关事实
待验证这篇发表于 arXiv 的研究提出了对齐预测（Alignment Forecasting）这一新命题：在训练开始之前预判某个微调数据集会不会显著加剧特定的失准行为75% 相似待验证选择参数上最接近的已训练模型来近似特定权衡点是一种有一定效果的方法74% 相似已验证LLM在训练时通过最大化下一个Token的预测概率来优化参数，模型学到的是训练语料的统计分布而非人类的审美判断力74% 相似待验证作者认为LLM的'思维链'（Chain-of-Thought）输出更可能是对训练数据中推理模式的高度拟合与复现，而非真正意义上的逻辑演绎72% 相似待验证如果训练数据中填充token占比过高，模型会倾向于预测这个高频符号71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1044142API
curl https://kongchang.com/api/v1/knowledge/claims/1044142MCP
get_claim(id=1044142)