待验证50% 置信事实精确时间

在自然语言处理中，Good-Turing广泛用于平滑语言模型中的未登录词概率。

1

来源数

50%

置信度

长期有效

时效性

2026/11/2

首次发现

来源

统一框架破解数据依赖事件概率估计难题

涉及实体

Good-Turingconcept 自然语言处理concept 未登录词concept

相关事实

待验证传统n-gram模型和单语训练的神经语言模型在遇到跨语言词序列时会给出极低的概率分数，导致解码器倾向于将外语词强行映射为发音相近的本语言词74% 相似已验证语言模型在生成文本时默认倾向于选择条件概率较高的词语序列73% 相似待验证研究表明，大语言模型可能生成看似合理但与实际计算过程不符的解释，即“合理化”现象。72% 相似待验证将自然语言数学定义翻译为形式语言的语义等价性验证，在某些情形下可归约到比停机问题更高复杂度、属于算术层级更高层次的不可判定问题71% 相似待验证默认状态下，大语言模型倾向于选择高概率、低风险的表达，因而容易显得“安全而平庸”。71% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1125453

API

curl https://kongchang.com/api/v1/knowledge/claims/1125453

MCP

get_claim(id=1125453)