待验证50% 置信事实精确时间

MC-Dropout由Gal和Ghahramani在2016年提出，将其解释为近似贝叶斯推断，通常需要30-100次前向传播才能获得可靠的不确定性估计

1

来源数

50%

置信度

长期有效

时效性

2026/8/8

首次发现

来源

往返一致性：让扩散模型自己预测误差的自监督方法

相关事实

待验证贝叶斯方法的可信区间可以被直接解释为参数落在此范围内的概率，提供比频率学派置信区间更直观的不确定性量化62% 相似待验证MLOps的核心挑战在于模型漂移问题：随着现实数据分布随时间变化，模型预测准确率会逐渐下降61% 相似待验证传统两阶段方法如Faster R-CNN依赖区域提议网络（RPN）先生成候选框，推理延迟高达100ms以上59% 相似待验证LLM推理延迟分布呈重尾特征，应以P90或P95百分位数而非平均值作为门禁指标57% 相似待验证涌现能力指大模型某些能力在特定参数量阈值后突然出现，由Wei et al. 2022年论文系统记录57% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/707119

API

curl https://kongchang.com/api/v1/knowledge/claims/707119

MCP

get_claim(id=707119)