待验证50% 置信事实精确时间

研究引入信息处理鸿沟指标，用于衡量模型实际的信念更新与理想贝叶斯更新之间的偏差

1

来源数

50%

置信度

长期有效

时效性

2026/9/11

首次发现

来源

大模型并非贝叶斯：概率信念更新的内在不一致性解析

涉及实体

信息处理鸿沟concept

相关事实

待验证研究核心发现是大模型的信念更新与贝叶斯规则之间存在系统性偏差79% 相似待验证偏差-方差权衡是描述模型泛化能力的核心框架：偏差衡量模型预测值与真实值的系统性偏离（欠拟合），方差衡量模型在不同训练集上预测结果的波动幅度（过拟合）69% 相似待验证对Kimi、GLM等模型做预填时，推理长度的分布会发生统计显著的偏移并向某个源模型对齐67% 相似待验证部分研究者认为大模型涌现能力是真实的相变现象，另一些人认为这只是评估指标选择造成的统计假象67% 相似待验证要求模型列出反直觉假设、从批评者角度反驳主流观点或连接两个看似无关领域，可以激活模型更边缘的知识表示67% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/897398

API

curl https://kongchang.com/api/v1/knowledge/claims/897398

MCP

get_claim(id=897398)