待验证50% 置信事实精确时间

LLM可通过分析输出token的对数概率分布、思维链末尾自我评估、温度采样统计答案分布熵值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LLM生成每个token时根据温度参数从概率分布中随机采样，而非选择概率最高的确定性输出，从而产生涌现性79% 相似待验证LLM虽然不直接输出归一化概率向量，但可通过多种工程手段近似估计决策置信度79% 相似已验证LLM以自回归方式逐token生成输出，每个词的选择基于当前上下文的概率采样79% 相似待验证LLM本质上是在做下一个token的概率预测，即便温度参数设为0，面对复杂的多步骤指令时，模型仍会受到注意力机制的影响79% 相似待验证LLMs本质上是概率预测引擎，基于输入提示预测最可能的输出序列78% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/505198

API

curl https://kongchang.com/api/v1/knowledge/claims/505198

MCP

get_claim(id=505198)