待验证50% 置信事实精确时间

自回归模型存在暴露偏差（exposure bias）问题，训练时看到真实前缀但推理时面对自己生成的错误前缀导致误差累积

1

来源数

50%

置信度

长期有效

时效性

2026/9/9

首次发现

来源

连续扩散语言模型：能否取代自回归范式生成文本

涉及实体

exposure biasconcept Autoregressiveconcept

相关事实

已验证部分模型存在针对测试集过度优化的风险，导致榜单分数与真实场景表现出现偏差（Benchmark饱和）76% 相似待验证模型错误可归因于知识缺失、推理能力不足或指令跟随偏差，分别对应补充预训练数据、引入思维链训练数据和优化SFT数据分布等修复路径76% 相似已验证自回归模型在推理链早期产生错误中间结论会导致后续步骤累积错误，形成错误积累效应74% 相似待验证仅凭相对少量的针对性训练数据，就能让大语言模型对明确事实给出完全错误的回答73% 相似待验证LLM因幻觉、提示注入或上下文误解可能做出错误判断，若无独立验证机制，错误推理会直接转化为错误的生产操作73% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/884173

API

curl https://kongchang.com/api/v1/knowledge/claims/884173

MCP

get_claim(id=884173)