待验证50% 置信事实精确时间

PAC学习理论证明了在一定条件下，只要训练样本足够多，学习到的模型就能以高概率近似正确地预测新数据

1

来源数

50%

置信度

长期有效

时效性

2026/8/10

首次发现

来源

机器学习入门：监督学习、分类任务与特征化核心概念详解

相关事实

待验证LLM在训练时通过最大化下一个Token的预测概率来优化参数，模型学到的是训练语料的统计分布而非人类的审美判断力71% 相似已验证推理时扩展（inference-time scaling）通过在推理阶段增加计算量提升模型性能，存在类似预训练的幂律关系70% 相似待验证当前大模型评测流程往往把完整题目和条件提供给模型，并针对特定题库进行定向训练，导致高分容易获得69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/723928

API

curl https://kongchang.com/api/v1/knowledge/claims/723928

MCP

get_claim(id=723928)