待验证50% 置信事实精确时间

大型语言模型可通过分析token概率分布、显式输出自我评估分数或多次采样观察答案一致性等手段近似估计决策置信度

1

来源数

50%

置信度

长期有效

时效性

2026/7/14

首次发现

来源

AI Agent人在回路（HITL）设计：风险分级与最佳实践

相关事实

已验证大语言模型本质上是在学习给定前文下一个词是什么的条件概率分布80% 相似待验证大语言模型在生成每个词元时，是在对词汇表中所有可能的下一个词进行概率采样，而非确定性地选择唯一答案78% 相似待验证口语化采样通过在提示词中要求模型生成一组候选答案并显式说出每个答案对应的概率分布来提升多样性77% 相似已验证大语言模型本质上是条件概率分布P(output|input)的估计器，目标是生成「统计上合理」的文本，而非保证事实准确77% 相似待验证大语言模型被优化为「最大化下一个token的预测准确率」，这使其天然倾向于生成「完整、自洽」的输出77% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/504482

API

curl https://kongchang.com/api/v1/knowledge/claims/504482

MCP

get_claim(id=504482)