待验证50% 置信事实精确时间
可解释性研究中的稀疏性要求可形式化为决策函数对输入特征的依赖集中在少数维度上，即函数在某组基下的表示具有少量非零系数。
1
来源数
50%
置信度
长期有效
时效性
2026/10/25
首次发现
来源
涉及实体
相关事实
待验证朴素贝叶斯分类器基于条件独立性假设，在特征高度相关的场景下表现不佳68% 相似待验证小决策模型的适用边界取决于任务确定性程度：当工具集固定、业务流程可枚举、用户意图可归纳为有限类别时，决策模型可以用很小的参数量覆盖大部分情况；一旦进入模糊、多义、需要大量世界知识的领域，决策模型可能缺乏足够语义理解能力。67% 相似待验证深度递归推理模型通常只在数独等已饱和的基准上评估，这限制了对它们真实泛化能力的判断。67% 相似待验证该研究提出，用户提示下低可控性可能源于约束指定方式过于简单直接，而非模型缺乏控制能力。66% 相似待验证在同构玩家假设下，最优集中式分配可以被简单刻画，问题难度大幅降低。65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1097295API
curl https://kongchang.com/api/v1/knowledge/claims/1097295MCP
get_claim(id=1097295)