待验证50% 置信事实精确时间

exposure bias的根源在于训练与推理的分布不匹配，训练时使用teacher forcing策略而推理时模型依赖自身生成的token

1

来源数

50%

置信度

长期有效

时效性

2026/8/5

首次发现

来源

DiacTag：将变音符号还原转化为受约束分类任务的工程智慧

相关事实

待验证来自不同厂商、经历不同训练路径的模型持有不同的先验偏见，从而在交叉审查中形成真正的视角差异76% 相似待验证训练数据构成决定模型世界观边界的现象在数字人文领域被称为'语料库偏差'（Corpus Bias）73% 相似待验证如果训练语料包含性别、种族或文化偏见，模型会继承这些偏见72% 相似待验证单一评判模型存在位置偏见、长度偏见和自我偏见等已知偏差68% 相似已验证基准测试成绩与用户真实体验之间存在鸿沟，部分厂商存在针对特定基准专项优化（刷榜）以及训练数据污染导致成绩虚高的现象68% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/692490

API

curl https://kongchang.com/api/v1/knowledge/claims/692490

MCP

get_claim(id=692490)