待验证50% 置信权衡取舍精确时间

在紧急调度场景中假阴性的代价远高于假阳性，因此系统设计时会刻意降低判定阈值，这在机器学习中被称为非对称代价敏感学习

1

来源数

50%

置信度

长期有效

时效性

2026/8/24

首次发现

来源

新奥尔良用AI分流911报警电话：智能调度如何改变应急响应

涉及实体

非对称代价敏感学习concept

相关事实

待验证负向约束通过明确排除不期望的输出收窄概率空间，与正向指令同等重要，可减少模型创造性发挥的偏差75% 相似待验证预测损失合理但下游控制精度为0%高度符合表征坍缩的特征，即编码器骗过自监督目标却未学到有用动态信息74% 相似待验证智能触发器采用LLM语义理解后引入的代价是确定性降低，可能误触发或漏判74% 相似待验证偶发性故障的内存条可能交替产生正确和错误的计算结果，导致神经网络训练中梯度计算偶发性偏差，影响模型收敛性且不触发硬件告警73% 相似待验证低价模型若推理能力不足会导致更多重试轮次，累计失败重试的隐性成本可能反超高价高效方案（「便宜模型反而更贵」悖论）73% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/795840

API

curl https://kongchang.com/api/v1/knowledge/claims/795840

MCP

get_claim(id=795840)