待验证50% 置信事实精确时间

错误率下界的第二项(1-M/N)(1-1/K)对应传统覆盖率问题，即训练中未出现过的事实模型只能瞎猜，猜中概率为1/K

1

来源数

50%

置信度

长期有效

时效性

2026/9/14

首次发现

来源

压缩的代价：事实幻觉背后的率失真极限

涉及实体

coverage–compression modelconcept

相关事实

待验证错误率下界的第一项(M/N)δ*(B/M)描述模型已见过但因记忆受限而存储不准确的事实的压缩失真70% 相似待验证朴素训练后量化会导致单个权重误差在多层网络中累积放大，即复合误差，在2位或1位精度下模型结构会崩溃68% 相似待验证分布偏移意味着训练集与测试集之间的KL散度不为零，即两个分布之间存在可度量的信息差距68% 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68% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/919750

API

curl https://kongchang.com/api/v1/knowledge/claims/919750

MCP

get_claim(id=919750)