待验证50% 置信事实精确时间

当B固定而M增大时，每条事实分到的比特下降、失真上升，这解释了为何喂更多数据未必线性提升准确率

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

待验证数据规模的增长并不等同于有效学习信号的增长，在模型能力提升到一定阈值后简单堆砌样本的收益会急剧下降73% 相似待验证在信息检索领域，提高召回率往往会降低精确率，反之亦然71% 相似待验证只有在LLM推理比embedding加向量检索慢数十倍以上时，语义缓存才能同时实现降本与提速71% 相似待验证提示词越模糊，模型输出越向高概率区域坍缩，一致性越强69% 相似待验证在机器学习评估中，精确率与召回率往往存在此消彼长的关系，提高召回率通常会导致更多正品被误判69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/919752

API

curl https://kongchang.com/api/v1/knowledge/claims/919752

MCP

get_claim(id=919752)