待验证50% 置信事实精确时间

论文结论建立在 softmax 检索抽象和受控实验之上，实际大模型行为可能更为复杂

1

来源数

50%

置信度

长期有效

时效性

2026/9/22

首次发现

来源

上下文投毒：长上下文模型为何被干扰信息拖垮

涉及实体

相关事实

待验证Softmax涉及指数运算、逐行归一化以及全局依赖，难以并行化和量化，在长序列场景下尤其消耗资源73% 相似已验证小模型比大模型更易发生嵌入坍缩，原因包括参数容量有限、优化捷径倾向和各向异性问题被放大73% 相似待验证样本量小时，深度模型或复杂集成方法往往适得其反，应先用简单基线打底71% 相似待验证简单问题应主动切换低消耗模式，将最强模式留给真正需要深度研究的场景以节省额度70% 相似待验证Softmax函数将神经网络logits压缩为概率分布，但其输出值在大规模模型中系统性偏离真实贝叶斯后验概率69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/940102

API

curl https://kongchang.com/api/v1/knowledge/claims/940102

MCP

get_claim(id=940102)