待验证50% 置信事实精确时间

温度缩放（temperature scaling）是一种校准方法，试图将logits校准为更可靠的概率估计

1

来源数

50%

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

temperature scalingtechnology

相关事实

已验证大模型温度参数（temperature）通过将logits除以温度值后再做softmax归一化来调节输出概率分布的平坦程度79% 相似待验证置信度校准的解决方案包括temperature scaling（温度缩放）、verbalized confidence（显式输出置信度分数）、consistency-based estimation（多次采样检查一致性）75% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/912213

API

curl https://kongchang.com/api/v1/knowledge/claims/912213

MCP

get_claim(id=912213)