待验证50% 置信基准精确时间

该研究在问答（question-answering）和语义文本相似度（semantic text similarity）两类下游基准上测试模型

1

来源数

50%

置信度

长期有效

时效性

2026/10/9

首次发现

来源

有损文本自编码器：压缩与语义表征的交叉探索

涉及实体

Lossy Compressive Text Autoencoderconcept

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71% 相似待验证同一模型面对语义相近但措辞不同的问题，可能产生截然不同的回答71% 相似待验证向量检索理解的是语义相似性，而非字面重合，与传统关键词匹配有本质区别69% 相似待验证研究对8个大语言模型进行了双重评测，既让它们充当出题者生成误导选项，又作为答题者解决问题68% 相似待验证鲁棒性测试的实施方式包括同义词替换、句式改写、细节增删以及语言风格变换66% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/990309

API

curl https://kongchang.com/api/v1/knowledge/claims/990309

MCP

get_claim(id=990309)