Unverified50% confidenceFactExact time
研究发现基于删除的解释忠实度与解释生成时的检测强度高度耦合
1
Sources
50%
Confidence
Long-term
Relevance
10/5/2026
First Seen
Sources
Related Entities
Related Claims
Unverified删除测试通过遮蔽解释标注区域观察模型置信度下降程度来评估解释忠实度75% similarUnverified通过因果分析准确识别导致有害输出、偏见或幻觉的具体电路，有可能实现精准定向修复而无需重训整个模型73% similarUnverified检测数据泄露的常用方法包括特征重要性分析、逐步剔除实验、以及严格的时间切分验证72% similarUnverified在动态查询场景下，承担大部分判别信号的是'一致性否决'（Consistency Veto）机制，即检测主张与已验证证据的矛盾70% similarUnverified在双方都能获得角色标记的情况下，证据遮蔽显著提升了模型在留出复合任务上的准确率70% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/975872API
curl https://kongchang.com/api/v1/knowledge/claims/975872MCP
get_claim(id=975872)