待验证50% 置信事实精确时间
BERT 的掩码语言模型随机遮蔽输入文本中 15% 的词元并要求模型预测原词
1
来源数
50%
置信度
长期有效
时效性
2026/7/11
首次发现
来源
Kaggle免费算力训练小模型完全指南：GPU配额与实用技巧
redditr/deeplearning2026/7/9
相关事实
待验证大语言模型自回归地预测下一个最高概率的Token，导致AI生成文本困惑度偏低72% 相似待验证传统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72% 相似已验证Large language models are trained on vast corpora of text data and learn to predict the probability distribution of the next word69% 相似待验证困惑度衡量语言模型对测试文本的预测能力，数值越低表示模型越不惊讶于看到这些文本69% 相似已验证大型语言模型通过将输入文本分割为tokens来处理语言，tokens可以是完整单词、子词片段或单个字符69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/485394API
curl https://kongchang.com/api/v1/knowledge/claims/485394MCP
get_claim(id=485394)