Verified65% confidenceFactExact time
传统分类模型可通过温度缩放（Temperature Scaling）等后处理方法改善校准
3
Sources
65%
Confidence
Long-term
Relevance
7/8/2026
First Seen
Sources
元认知反馈：用强化学习让大模型准确表达不确定性
hackernewshackernews7/7/2026
Related Claims
Unverified传统控制模型多样性的方法是通过调整温度、Top-p等采样参数80% similarUnverified对模型能力评估必须固定推理参数（temperature、top-p等），否则同一模型在不同参数配置下可能呈现判若云泥的表现69% similarVerified大语言模型在生成每个token时从概率分布中采样，temperature参数控制随机性的强弱，temperature越高输出越多样，越低则越确定68% similarUnverified常用的校准方法包括Platt Scaling（使用逻辑回归拟合sigmoid函数）和Isotonic Regression（使用保序回归拟合非参数单调映射）67% similarUnverified提示工程、温度参数调节与输出约束机制是应对模型表达失控问题最常用的实用手段66% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/261062API
curl https://kongchang.com/api/v1/knowledge/claims/261062MCP
get_claim(id=261062)