待验证50% 置信事实精确时间

卡尔曼类方法假设状态和观测误差均服从高斯分布，在线性系统中表现优异，但面对高维非高斯问题时精度下降

1

来源数

50%

置信度

长期有效

时效性

2026/10/5

首次发现

来源

DAWIS：用窗口化逆采样统一数据同化的滤波与平滑

涉及实体

卡尔曼滤波concept

相关事实

待验证研究揭示LLM并不像理想的贝叶斯智能体那样根据证据可靠性进行合理加权更新，而是表现出接近分布倾斜的行为模式，其影响与证据真实可靠性的关联比贝叶斯框架预期的弱77% 相似待验证探针准确率的高低反映的是信息的线性可分离程度，而非模型是否有意表征该概念76% 相似待验证传统置信度校准方法多依赖模型生成的输出文本或基于序列的概率统计，在多轮智能体交互中难以捕捉复杂失败模式74% 相似待验证静态分析工具必须在精度和召回率之间做出权衡：过于严格会产生大量误报，过于宽松则会漏掉真实 bug71% 相似待验证高准确率的前沿模型评审之间的错误依赖性更强，即使这些评审来自不同的服务商70% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/976070

API

curl https://kongchang.com/api/v1/knowledge/claims/976070

MCP

get_claim(id=976070)