待验证50% 置信解决方案精确时间
应对分布漂移的务实策略是为决策模型设置不确定域扩展机制：当模型置信度整体下移时自动提高路由到LLM的比例并触发重训练
1
来源数
50%
置信度
长期有效
时效性
2026/10/9
首次发现
来源
涉及实体
相关事实
待验证决策模型在固定数据分布上训练，当业务数据特征分布发生变化（分布漂移）时性能可能迅速下降，而通用大语言模型对新概念的泛化能力通常更强78% 相似待验证隐式行为克隆和扩散策略通过建模动作的多模态分布而非回归均值,减轻了分布偏移导致的平均化行为75% 相似已验证分布偏移是指模型训练时所见数据的统计分布与实际部署环境中数据分布之间的系统性差异74% 相似待验证LLM 驱动的动态选型每次路由都需额外增加一次 LLM 调用，带来延迟与成本叠加，并引入用于决策的模型本身可能判断错误的不确定性74% 相似待验证传统自回归模型要得到可靠的概率分布通常需要额外处理或近似手段，扩散模型在这一点上有结构性优势73% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/992667API
curl https://kongchang.com/api/v1/knowledge/claims/992667MCP
get_claim(id=992667)