Unverified50% confidenceFactExact time
PAC学习理论证明了在一定条件下，只要训练样本足够多，学习到的模型就能以高概率近似正确地预测新数据
1
Sources
50%
Confidence
Long-term
Relevance
8/10/2026
First Seen
Sources
Related Claims
UnverifiedLLM在训练时通过最大化下一个Token的预测概率来优化参数，模型学到的是训练语料的统计分布而非人类的审美判断力71% similarVerified微调是在通用预训练模型基础上用特定领域数据进行二次训练，使模型能将领域知识内化为参数，推理时无需额外检索步骤，延迟更低71% similarVerified推理时扩展（inference-time scaling）通过在推理阶段增加计算量提升模型性能，存在类似预训练的幂律关系70% similarUnverified若训练数据完全由正样本构成，模型会倾向于对任何输入都强行调用工具，产生幻觉式调用69% similarUnverified当前大模型评测流程往往把完整题目和条件提供给模型，并针对特定题库进行定向训练，导致高分容易获得69% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/723928API
curl https://kongchang.com/api/v1/knowledge/claims/723928MCP
get_claim(id=723928)