待验证50% 置信事实精确时间

常规自监督依赖外部构造的代理任务（如掩码预测、对比学习），而 MetaPred 的自监督信号来自状态自身的测量结果。

1

来源数

50%

置信度

长期有效

时效性

2026/10/27

首次发现

来源

BriLLM-MetaPred：首个从AGI数学理论推导的语言模型

rss2026/10/25

涉及实体

MetaPredconcept 自监督学习concept

相关事实

已验证自监督学习是预训练阶段的核心范式，模型通过下一个词预测任务从数据本身构造训练信号68% 相似待验证如果每次干预都调用最大模型反复推理，监督成本可能超过任务本身的收益，因此分级干预是让监督机制落地的关键。67% 相似待验证上下文学习在表格领域的机制通常依赖注意力机制，让预测样本与上下文中的训练样本直接交互，相当于推理时进行软检索加权。67% 相似待验证任务依赖影响力的测量可为模型干预提供指导，在修改特定行为的同时尽量不破坏其他行为67% 相似待验证Self-RAG 训练模型发出“反思 token”，让模型决定是否检索、判断段落相关性，并批判自己的答案是否被支持。66% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1102451

API

curl https://kongchang.com/api/v1/knowledge/claims/1102451

MCP

get_claim(id=1102451)