待验证50% 置信事实精确时间

研究显示模型生成文本的语气自信程度与其准确性并无显著相关

1

来源数

50%

置信度

长期有效

时效性

2026/9/17

首次发现

来源

如何用大语言模型辅助写作：方法与边界

涉及实体

相关事实

已验证困惑度衡量语言模型对测试文本的预测能力，数值越低表示模型越不惊讶于看到这些文本75% 相似待验证大语言模型生成的文本困惑度（Perplexity）偏低，词汇选择过于符合概率预期，缺乏人类写作的意外性70% 相似待验证实验中纯文本输入相比添加句法和修辞信息的输入取得了更高的准确率68% 相似待验证经过深度改写的内容、非英语文本、短文本的检测可靠性通常更低66% 相似已验证主流大语言模型输出文本的典型特征包括句式工整、段落结构清晰、善用强调词汇、逻辑链条显性化，这种现象被研究人员称为'模型风格偏差'（stylistic bias）65% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/930423

API

curl https://kongchang.com/api/v1/knowledge/claims/930423

MCP

get_claim(id=930423)