Unverified50% confidenceFactExact time
贝叶斯决策理论不直接预测标签，而是在给定后验概率的情况下为每个可能的动作计算期望损失，然后选择损失最小的动作
1
Sources
50%
Confidence
Long-term
Relevance
9/11/2026
First Seen
Sources
Related Entities
Related Claims
Unverified损失函数的选择本质上定义了模型的优化目标，错误的损失函数意味着模型在努力做错误的事72% similarUnverified将概念推理量化为单一指数可能丢失多维度、情境依赖的推理能力信息，误导下游应用选型决策69% similarUnverified模型的工具触发决策本质上是一个概率阈值问题，自信度超过阈值时倾向直接作答，低于阈值时才触发检索69% similarUnverified医疗AI中的选择性预测机制在低置信度时拒绝答案转介人工审核，被证明比强制输出答案更能降低临床风险66% similarUnverified推理时间长并不总是带来更好的结果，模型可能陷入过度思考的陷阱，真正决定输出质量的是模型的基础能力和对齐程度66% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/899634API
curl https://kongchang.com/api/v1/knowledge/claims/899634MCP
get_claim(id=899634)