Unverified50% confidenceBenchmarkExact time
在中等噪声水平、模型中间层的位置，2 个可学习的 null 槽吸收了约 90% 的交叉注意力质量，而 EOS token 占比骤降到约 4%
1
Sources
50%
Confidence
Long-term
Relevance
9/11/2026
First Seen
Sources
Related Entities
Related Claims
Unverified识别准确率的官方标称值(如98%)基于清晰单人录音的字准率，实际带口音、远场、多人交叉的会议场景准确率会下降10~20个百分点，选型应看目标场景的实测而非标称值67% similarUnverified实验数据显示，经过5-10轮迭代训练后，模型在低频词汇和长尾知识上的覆盖率下降超过40%，而输出文本在表面流畅性上几乎没有可察觉的退化66% similarUnverified研究表明，当上下文超过一定长度后，模型对中间部分内容的回忆准确率可能下降到50%以下61% similarUnverifiedGoogle 内部统计数据表明，E2E 测试与单元测试的数量比例建议维持在 1:10 乃至更低61% similarUnverified在演示数据集上训练15轮后，文本分类模型准确率达到99%，模型总参数11万（Attention 1.6万，FFN 3.3万，其余为Embedding）61% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/902316API
curl https://kongchang.com/api/v1/knowledge/claims/902316MCP
get_claim(id=902316)