待验证50% 置信观点精确时间
大多数通用大模型存在过度自信问题，其输出概率更多反映 token 分布偏好而非真实的不确定性估计
1
来源数
50%
置信度
长期有效
时效性
2026/10/10
首次发现
来源
涉及实体
相关事实
待验证通用大模型在置信度校准方面普遍存在过度自信问题，倾向给出接近100%的置信度79% 相似待验证深度学习模型普遍存在过度自信问题，模型输出的概率值并不真实反映其预测正确的实际概率，这一现象被称为校准不良（Poor Calibration）76% 相似待验证置信值通常来源于模型对各选项的softmax概率分布，概率差距大则置信值高，分布均匀则置信值低76% 相似待验证许多模型在错误答案上仍表现出高度自信，存在自信度校准（confidence calibration）问题75% 相似待验证LLM输出的概率分数（logprobs）与校准过的置信度存在本质差异，大型语言模型普遍存在过度自信问题，在分布外样本上尤为明显75% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/994500API
curl https://kongchang.com/api/v1/knowledge/claims/994500MCP
get_claim(id=994500)