Unverified50% confidenceFactExact time
MC-Dropout由Gal和Ghahramani在2016年提出，将其解释为近似贝叶斯推断，通常需要30-100次前向传播才能获得可靠的不确定性估计
1
Sources
50%
Confidence
Long-term
Relevance
8/8/2026
First Seen
Sources
Related Claims
Unverified贝叶斯方法的可信区间可以被直接解释为参数落在此范围内的概率，提供比频率学派置信区间更直观的不确定性量化62% 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61% similarUnverified传统两阶段方法如Faster R-CNN依赖区域提议网络（RPN）先生成候选框，推理延迟高达100ms以上59% similarUnverifiedLLM推理延迟分布呈重尾特征，应以P90或P95百分位数而非平均值作为门禁指标57% similarUnverified涌现能力指大模型某些能力在特定参数量阈值后突然出现，由Wei et al. 2022年论文系统记录57% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/707119API
curl https://kongchang.com/api/v1/knowledge/claims/707119MCP
get_claim(id=707119)