Unverified50% confidenceSolutionExact time
上下文偏置/热词偏置在解码阶段介入，通过提升特定词汇在 beam search 中的输出概率让模型倾向输出英文原名，实现方式包括浅层融合和深层偏置
1
Sources
50%
Confidence
Long-term
Relevance
8/21/2026
First Seen
Sources
Related Claims
Unverified上下文偏置（Contextual biasing）在解码阶段介入，通过向模型提供期望词表提高特定词的输出概率，实现方式包括浅层融合、深层偏置和 TCPGen 等架构79% similarUnverified分词特征差异发生在推理链路底层，难以通过提示工程掩盖，可作为模型识别手段72% similarUnverified在特定垂直领域语料上微调的Embedding模型往往能提升同义查询相似度得分，降低阈值误判率71% similarUnverified模型基于前文预测后文，Prompt中任何一个字的变化都会改变后续生成概率，而标点符号的影响权重较小70% similarUnverified语言的语法结构越简单、惯用模式越统一，大模型在每一步预测中面临的困惑度越低，生成正确序列的概率越高69% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/782817API
curl https://kongchang.com/api/v1/knowledge/claims/782817MCP
get_claim(id=782817)