待验证50% 置信事实精确时间

分类头通常是一个简单的全连接层加Softmax激活，将高维特征向量映射到各类别的概率分布

1

来源数

50%

置信度

长期有效

时效性

2026/9/17

首次发现

来源

LLM分类的本质是特征工程：重新理解大模型的应用范式

涉及实体

分类头concept Softmaxtechnology

相关事实

待验证分类预测的是离散的类别标签，而回归预测的是连续的数值73% 相似待验证感知机收敛定理证明，如果数据是线性可分的，算法一定能在有限步内找到正确的分类超平面67% 相似待验证对于选择题类问题，模型在各选项 token 上的 logits 经 softmax 归一化后可得到概率分布，高集中度分布意味着模型对答案更有把握67% 相似待验证决策边界是分类模型在特征空间中划分不同类别区域的分界线（二维）或超平面（高维）66% 相似待验证SHAP值和LIME是常用的局部可解释性方法，能够量化每个特征对单次决策的贡献度66% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/929837

API

curl https://kongchang.com/api/v1/knowledge/claims/929837

MCP

get_claim(id=929837)