待验证50% 置信事实精确时间

当模型遇到分布外输入时预测熵升高，softmax输出趋于均匀分布，nucleus sampling允许的候选token范围扩大，使长尾异常token获得被采样的机会

1

来源数

50%

置信度

长期有效

时效性

2026/8/14

首次发现

来源

ChatGPT语音模式突然尖叫？深度解析AI异常行为的技术真相

相关事实

待验证Softmax输出的概率值并不等同于真实的贝叶斯后验概率，而是被过度优化以拉开类别间距，导致预测概率系统性偏高72% 相似待验证Softmax函数将神经网络logits压缩为概率分布，但其输出值在大规模模型中系统性偏离真实贝叶斯后验概率72% 相似待验证交叉熵损失在分类任务中往往比MSE收敛更快，因为它与softmax输出配合，梯度不会在饱和区消失70% 相似待验证温度参数越高，Softmax输出的概率分布越平坦，输出越富有创意和多样性；温度越低分布越尖锐，输出越确定保守66% 相似待验证权重初始化的随机性对模型性能影响最深远，数据批次打乱顺序的随机性影响最小66% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/747862

API

curl https://kongchang.com/api/v1/knowledge/claims/747862

MCP

get_claim(id=747862)