待验证50% 置信事实精确时间
2022年之后大语言模型的兴起带来了全新的漂移检测范式，如基于embedding空间的分布偏移度量
1
来源数
50%
置信度
长期有效
时效性
2026/8/6
首次发现
来源
相关事实
待验证离散扩散语言模型主流方案包括：将token映射到连续嵌入空间进行扩散（如Diffusion-LM），或设计离散扩散过程用掩码模拟加噪（如D3PM、MDLM）71% 相似待验证现代大语言模型基于Transformer架构，通过预测下一个token的概率分布来生成文本，训练目标是最小化交叉熵损失67% 相似待验证2022 年 Wei 等人在《Emergent Abilities of Large Language Models》中记录，当模型规模跨越某一参数阈值时性能会出现类似物理相变的非线性跃升65% 相似待验证「LLM-as-Judge」范式最早在2023年被系统性提出，利用大语言模型本身的评估能力对生成内容进行质量打分65% 相似待验证MixupMP所展示的通过预测分布建模改善不确定性量化的思路，可能为大语言模型的幻觉检测和可靠性评估提供新的技术路径65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/695558API
curl https://kongchang.com/api/v1/knowledge/claims/695558MCP
get_claim(id=695558)