待验证50% 置信事实精确时间

语言模型计算数值平均值时，连续运行两次可能得到不同结果（如49.6和49.8），两者都能通过schema校验但未必正确

1

来源数

50%

置信度

长期有效

时效性

2026/10/11

首次发现

来源

Apple基础模型为何需要确定性计算层：MetricBridge的实践

涉及实体

语言模型concept schema校验concept

相关事实

待验证语言模型输出的每个 token 的负对数概率之和是对序列的编码长度估计，这是困惑度指标的由来69% 相似已验证大模型输出是概率性非确定性的，同一prompt在同一版本模型上多次运行可能产生不同结果，使灰度发布的质量判断困难68% 相似待验证对同一测试用例执行多次调用统计成功比例得到通过率，比二元的通过/失败判断更能反映模型真实表现67% 相似待验证修复前模型每约29次下一token预测中约有1次的选择与数学上应有结果不同66% 相似待验证该研究发现同一模型不同部署时间点在代码生成和逻辑推理任务上通过率可能出现10%至20%的显著波动，且方向不总是单向改善66% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/999965

API

curl https://kongchang.com/api/v1/knowledge/claims/999965

MCP

get_claim(id=999965)