待验证50% 置信事实精确时间
BKT的四个核心参数为：初始掌握概率P(L₀)、学习转移概率P(T)、猜测概率P(G)和失误概率P(S)，通过期望最大化算法从答题序列迭代估计
1
来源数
50%
置信度
长期有效
时效性
2026/7/7
首次发现
来源
AI导师效应量达1.30：达特茅斯实验如何逼近教育界「两西格玛」圣杯
hackernewshackernews2026/7/5
相关事实
待验证贝叶斯知识追踪（BKT）模型将每个知识点建模为二值隐状态，通过隐马尔可夫模型估计'已掌握'概率68% 相似待验证当前主流代码生成模型（包括 GPT-4、Claude 等）本质是基于代码语料训练的概率模型，训练目标是预测下一个 token 的条件概率，而非执行逻辑验证65% 相似已验证MoE架构通过门控网络为每个输入Token动态选择最相关的K个专家（通常Top-K，K=2），推理时仅激活约10%-30%总参数量64% 相似待验证行为克隆（BC）将模仿学习简化为监督学习，直接拟合条件概率分布p(a|s)，但存在复合误差与分布偏移问题63% 相似待验证LLM的核心机制是预测下一个最可能出现的token，即在训练数据分布中寻找概率最高的路径63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/139798API
curl https://kongchang.com/api/v1/knowledge/claims/139798MCP
get_claim(id=139798)