待验证50% 置信事实精确时间

现有大语言模型的随机采样输出机制、不可枚举的失效模式及难以穷举测试的输入空间，使其几乎无法通过ASIL-C或ASIL-D认证所要求的确定性验证流程

1

来源数

50%

置信度

长期有效

时效性

2026/9/24

首次发现

来源

当1B小模型接管驾驶：一个关于本地AI与自动驾驶的黑色幽默警示

涉及实体

大语言模型concept ASILconcept

相关事实

待验证传统回归测试面临核心困境：全量回归耗时过长，而随机选择可能遗漏关键场景70% 相似待验证实验发现通用停用词表在每一次测试中都低于'不删除'的基线，反而拖累分类表现70% 相似待验证模糊测试、静态分析和LLM作为验证者等方法难以覆盖所有可能的边缘情况69% 相似待验证ASR转录文字稿的准确率上限直接决定下游LLM语义分析的质量上限，转录错误会降低大模型对重复片段、气口位置的判断精度69% 相似待验证随机抽样检查一致性会因大部分样本简单而得到虚高的一致率，掩盖真正有问题的区域69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/947771

API

curl https://kongchang.com/api/v1/knowledge/claims/947771

MCP

get_claim(id=947771)