待验证60% 置信事实精确时间

研究发现大型语言模型在未经专门优化时往往过度自信（overconfident），即输出高置信度但实际错误率较高

2

来源数

60%

置信度

长期有效

时效性

2026/9/12

首次发现

来源

大模型的自指困境：AI能否真正理解自己

涉及实体

相关事实

待验证模型跳过检索直接作答的过度自信在技术上被称为校准不足（miscalibration），即置信度与实际正确率存在系统性偏差80% 相似待验证过度对齐或过度拒绝（Over-refusal）是当前主流大语言模型普遍面临的工程难题，即模型被训练得过于保守导致对合理请求的误判率偏高78% 相似待验证使用Fable时推理档位不应超过「high」，过高档位会导致过度推理、产出过度设计的代码且成本高70% 相似待验证谨慎派强调将统计相关性误认为逻辑推理可能导致高估AI的可靠性70% 相似待验证高偏差意味着模型过于简单导致欠拟合，高方差意味着模型学入噪声导致过拟合，两者往往此消彼长69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/912208

API

curl https://kongchang.com/api/v1/knowledge/claims/912208

MCP

get_claim(id=912208)