待验证50% 置信事实精确时间

可说明性（Explainability）催生了LIME、SHAP等事后归因方法，面向外部用户回答为什么模型给出该输出

1

来源数

50%

置信度

长期有效

时效性

2026/7/19

首次发现

来源

可解释性：拆解神经网络黑箱的科学与实践

相关事实

待验证内在可解释性指模型结构本身的透明性，事后可解释性则是对不透明模型施加外部解释技术如SHAP、LIME71% 相似待验证强制简洁的输出约束有时反而能提升模型的推理专注度69% 相似待验证当大量用户使用相似的prompt时，模型会收敛到相似的最优解，导致产出趋同68% 相似待验证Ultra模式通过推理时计算资源的差异化分配（更长推理链、更多验证步骤或更高采样参数）产生不同质量层次的输出67% 相似待验证在提示词中约束模型严格依据上下文回答、无相关信息时明确告知用户，可有效抑制模型幻觉67% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/565092

API

curl https://kongchang.com/api/v1/knowledge/claims/565092

MCP

get_claim(id=565092)