待验证50% 置信事实精确时间
NCP-ArchPreview通过乘积量化（PQ）从模型自身隐状态中构造离散的概念词表，无需外部标注
1
来源数
50%
置信度
长期有效
时效性
2026/9/11
首次发现
来源
涉及实体
相关事实
待验证NCP-ArchPreview提出通过「下一个概念预测」（NCP）让语言模型在潜空间中建模跨越多个Token的离散概念73% 相似待验证NCP-ArchPreview通过专门的概念模块预测未来概念，并将概念表示反馈到Token层级引导后续Token生成65% 相似待验证PPLM通过计算分类器关于模型隐藏状态的梯度，在生成过程中动态调整隐藏状态方向使输出更符合目标属性64% 相似待验证Perplexity不是基础模型，而是在现有基础模型上进行微调、专门为搜索场景优化的产品60% 相似待验证时序一致性的主流实现方案分为条件化历史帧方法、显式3D锚点方法（NeRF/3DGS）和状态空间模型方法（如Mamba）三类60% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/907838API
curl https://kongchang.com/api/v1/knowledge/claims/907838MCP
get_claim(id=907838)