待验证80% 置信事实时间未知
Microsoft Phi系列证明了在小语言模型中数据质量比数量更重要
1
来源数
80%
置信度
长期有效
时效性
2026/6/1
首次发现
来源
GitHub 8K Star：最全LLM大模型资源宝库深度解析
githubWangRongsheng
涉及实体
相关事实
待验证研究表明模型在低资源语言上的幻觉率显著高于高资源语言64% 相似已验证大语言模型的输出质量高度依赖于输入上下文的质量和相关性63% 相似待验证大语言模型本质上是概率性的，相同的输入可能产生不同的输出，这与传统软件的确定性行为截然不同63% 相似已验证2022年谷歌Brain团队在论文《Emergent Abilities of Large Language Models》中首次系统记录了大语言模型的'涌现能力'现象62% 相似待验证自回归语言模型的OOD检测比传统机器学习更困难，因为语言组合空间庞大、语义OOD与表面形式OOD不对应，且对抗者可构造统计上看似in-distribution但语义触发OOD的输入61% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/32640API
curl https://kongchang.com/api/v1/knowledge/claims/32640MCP
get_claim(id=32640)