待验证50% 置信事实精确时间
BKT估计的是潜在掌握概率（latent mastery probability），而神经模型估计的是下一题答对的概率（probability of a correct next response）
1
来源数
50%
置信度
长期有效
时效性
2026/10/4
首次发现
来源
涉及实体
相关事实
待验证BKT的四个核心参数为：初始掌握概率P(L₀)、学习转移概率P(T)、猜测概率P(G)和失误概率P(S)，通过期望最大化算法从答题序列迭代估计78% 相似待验证贝叶斯知识追踪（BKT）模型将每个知识点建模为二值隐状态，通过隐马尔可夫模型估计'已掌握'概率77% 相似待验证LLM在训练时通过最大化下一个Token的预测概率来优化参数，模型学到的是训练语料的统计分布而非人类的审美判断力68% 相似待验证机器学习问题在概率视角下能够得到最好的分析，概率方法是在不确定性下进行决策的最优途径68% 相似已验证LLM幻觉的根本原因在于自回归生成机制——模型基于概率分布预测下一个Token，而非真正的逻辑推理68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/971850API
curl https://kongchang.com/api/v1/knowledge/claims/971850MCP
get_claim(id=971850)