[控场AI]
待验证50% 置信事实精确时间

论文将在线直接偏好优化(DPO)下的多数投票监督误差分解为种群多数偏差(population-majority bias)和提示依赖的有限 rollout 变异(prompt-dependent finite-rollout variation)两部分。

1
来源数
50%
置信度
长期有效
时效性
2026/11/9
首次发现

来源

涉及实体

相关事实

引用此条事实

Stable URI
https://kongchang.com/claim/1150281
API
curl https://kongchang.com/api/v1/knowledge/claims/1150281
MCP
get_claim(id=1150281)