待验证50% 置信解决方案精确时间
看每个类别的标签计数可以作为检测评分器类坍缩的零成本诊断方法：若合规类计数异常偏低甚至为零，而相邻类别异常膨胀，则说明评分器可能在坍缩。
1
来源数
50%
置信度
长期有效
时效性
2026/10/20
首次发现
来源
LLM评分器吞掉合规类：越狱成功率可差22倍
rss2026/10/17
涉及实体
相关事实
待验证对于类别策略，随着输出分布变得越来越尖锐，其期望的 score-gradient 范数会趋近于零，使得自信但错误的 token 得到的更新最微弱69% 相似待验证评估的核心是打分，通常用0到1的连续值表达结果的好坏程度68% 相似待验证在少样本（如每类约20个样本）情况下，应放弃多分类细分，将所有缺陷折叠成二分类问题（有缺陷/无缺陷），把具体分类交给人工事后处理68% 相似待验证弱监督标签的质量上限取决于零样本模型本身的准确率，若模型系统性出错训练集会继承该偏差67% 相似待验证基准测试中图检索的两个硬零分是因为评分器要求精确措辞而模型做了改写；README记录了每一处失分。67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1074738API
curl https://kongchang.com/api/v1/knowledge/claims/1074738MCP
get_claim(id=1074738)