待验证50% 置信事实精确时间

TinyLlama在所有测试文字上的UNK率均为0.0%，因为SentencePiece的字节回退机制从不产生UNK标记。

1

来源数

50%

置信度

长期有效

时效性

2026/10/20

首次发现

来源

Tokeniser覆盖率：小语言模型在多语言场景下的隐形天花板

rss2026/10/17

涉及实体

TinyLlama-1.1Bmodel SentencePiececoncept

相关事实

待验证TinyLlama的词汇表中，奥里亚语的码点覆盖率为0%，泰卢固语为1%，卡纳达语为2%。68% 相似待验证被截断的自然语言散文输出没有语法错误或解析失败等异常信号，使截断问题难以被发现64% 相似待验证零样本大语言模型往往能够识别出相关的语义单元，却无法精确匹配黄金标准的边界62% 相似待验证单纯由LLM输出的未经形式化验证的自然语言证明，其可信度几乎为零62% 相似待验证OpenAI 测试显示，对 400 token 文本，未编辑时约 92% 被检出，替换 10% 词语为同义词后检出率降至 66%，替换 25% 词语后检出率仅 17%。61% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1074687

API

curl https://kongchang.com/api/v1/knowledge/claims/1074687

MCP

get_claim(id=1074687)