Unverified50% confidenceFactExact time
对Kimi、GLM等模型做预填时，推理长度的分布会发生统计显著的偏移并向某个源模型对齐
1
Sources
50%
Confidence
Medium-term (~90 days)
Relevance
9/2/2026
First Seen
Valid until: 12/1/2026
Sources
Related Entities
Related Claims
Unverified贝叶斯推断、最大似然估计、KL 散度等概率统计概念在现代生成模型（如 VAE、Diffusion Model）中广泛应用73% similarUnverified随着模型参数规模从亿级扩展到千亿级，LLM展现出涌现能力，包括多步推理、类比迁移和不确定性表达71% similarUnverified使用GDP最终修订值而非初始公布值进行回测会系统性地高估模型的预测能力，构成前视偏差71% similarUnverified2024年多项研究表明LLM存在显著的'自我一致性偏差'，当被要求评估自己生成的内容时，模型倾向于给出过高评价70% similarUnverified扩散模型通过全局并行生成和迭代修正，能从根本上规避自回归模型的「曝光偏差」（Exposure Bias）累积错误问题70% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/843818API
curl https://kongchang.com/api/v1/knowledge/claims/843818MCP
get_claim(id=843818)