Unverified50% confidenceOpinionExact time
该研究目前仍处于相对早期阶段，面临模型可能过度保守表达不确定性等挑战
1
Sources
50%
Confidence
Medium-term (~90 days)
Relevance
7/8/2026
First Seen
Valid until: 10/6/2026
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全新架构重构在扩展定律上的行为难以从小规模实验精确预测，导致旗舰模型上线初期常出现预期外失效模式65% similarUnverified评估阶段忘记调用 model.eval() 会导致模型仍使用当前批次统计量，在批次较小时严重影响推理结果稳定性65% similarUnverified2023年多项研究证明，对同一基准采用不同措辞重新提问，部分模型表现会显著下滑64% similarUnverifiedMLOps的核心挑战在于模型漂移问题：随着现实数据分布随时间变化，模型预测准确率会逐渐下降64% similarUnverified2023年多项研究证明，即使经过RLHF对齐的模型也难以完全抵抗精心设计的间接提示词注入63% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/261064API
curl https://kongchang.com/api/v1/knowledge/claims/261064MCP
get_claim(id=261064)