待验证50% 置信事实精确时间
语义熵在多个研究中被证明能有效识别模型的不确定性。
1
来源数
50%
置信度
长期有效
时效性
2026/11/17
首次发现
来源
涉及实体
相关事实
待验证语义熵方法不依赖特定模型的内部结构,通过输出层面的语义一致性推断不确定性,泛化能力较强80% 相似已验证语义熵方法在技术实现上通过多次采样获得候选回答、使用NLI模型判断语义等价性聚类、最后计算语义类别上的熵值79% 相似待验证困惑度概念源自信息论中的熵(Shannon Entropy),本质上是语言模型每步预测的平均分支因子78% 相似待验证熵优先排序利用模型对样本预测的不确定性(熵)来筛选信息量更大的样本,优先训练模型当前拿不准的案例。77% 相似待验证作者提出了一种新的条件熵函数作为正则化项,直接约束证据分布的行为,引导模型在正确分类时给出更锐利的证据分布,在不确定时保留足够的模糊性。76% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1178270API
curl https://kongchang.com/api/v1/knowledge/claims/1178270MCP
get_claim(id=1178270)