Unverified50% confidenceCautionExact time
多数LLM的自报置信度存在过度自信问题，使用前需进行温度缩放等校准处理
1
Sources
50%
Confidence
Long-term
Relevance
7/15/2026
First Seen
Sources
Related Claims
Unverified即便temperature设为0，LLM在长对话上下文中仍可能出现幻觉或遗漏必要披露，不宜依赖模型生成强监管行业的合规话术70% similarUnverified温度超参数τ越小分布越集中，模型对难负样本越敏感，但τ过小会导致梯度对异常值敏感、训练不稳定68% similarUnverified解码策略中温度参数设置过高会导致采样随机性增加，与幻觉产生有关67% similarUnverifiedLLM评估需要在测试太松（放过真实问题）和测试太紧（产生大量误报）之间找到平衡，阈值往往需要通过实验校准64% similarUnverified低误报率与灵敏度存在矛盾：追求极低误报会牺牲预警提前量，可能延误火情；建议选带温度+烟雾复合判定的产品，双条件触发平衡误报与漏报64% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/514418API
curl https://kongchang.com/api/v1/knowledge/claims/514418MCP
get_claim(id=514418)