Unverified50% confidenceFactExact time
2018年Wachter等人将反事实概念形式化为可计算的损失函数，最小化特征变化量同时约束模型输出翻转到期望类别
1
Sources
50%
Confidence
Long-term
Relevance
8/24/2026
First Seen
Sources
Related Entities
Related Claims
Unverified规模律揭示了模型损失与参数量、数据量、算力之间近乎幂律的关系69% similarUnverified反事实解释回答的问题是：最少需要改变输入的哪些特征，才能让模型的预测结果翻转68% similarUnverified斯坦福大学等机构的研究发现，当提示中包含误导性信息时，模型往往会在思维链中合理化错误答案，而非真实记录其受到干扰的推理过程64% similarUnverified现代量化算法如GPTQ和AWQ通过校准数据集补偿精度损失，使量化后模型在大多数任务上与原始模型性能相当63% similarUnverifiedKnowledge Kernel采用Reality→Evidence→Facts→Reasoning的自上而下分层模型，将推理明确排除在事实层之外63% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/793842API
curl https://kongchang.com/api/v1/knowledge/claims/793842MCP
get_claim(id=793842)