待验证50% 置信事实精确时间
逐答案概率输出通常实现方式包括在输出层增加分类头、对候选答案做likelihood打分，或借助logit对候选做softmax归一化。
1
来源数
50%
置信度
长期有效
时效性
2026/10/29
首次发现
来源
涉及实体
相关事实
待验证口语化采样通过在提示词中要求模型生成一组候选答案并显式说出每个答案对应的概率分布来提升多样性77% 相似待验证CLM通过点积加softmax在请求传入的候选集上计算概率，因此其概率是相对于所提供候选集的相对值，只能用于同一请求内的候选排序而不能跨请求绝对比较74% 相似待验证对于选择题类问题，模型在各选项 token 上的 logits 经 softmax 归一化后可得到概率分布，高集中度分布意味着模型对答案更有把握73% 相似待验证提示词的作用类似于调整概率分布的偏置：通过提供上下文、角色或示例，让某些表达路径的概率被抬高，另一些被压低，从而引导模型走向更具创造性的输出。73% 相似已验证LLM以自回归方式逐token生成输出，每个词的选择基于当前上下文的概率采样73% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1110152API
curl https://kongchang.com/api/v1/knowledge/claims/1110152MCP
get_claim(id=1110152)