待验证50% 置信事实精确时间

负对数似然同时惩罚错误预测和过度自信，对校准尤为敏感。

1

来源数

50%

置信度

长期有效

时效性

2026/11/3

首次发现

来源

MIRA：互信息引导校准，提升测试时适应可靠性

涉及实体

负对数似然concept

相关事实

待验证记录'某个推荐方案不适用'的负样本与记录成功同样重要，否则模型会陷入统计偏差，把高频方案误当成高正确率方案79% 相似已验证许多神经网络存在过度自信的校准偏差，即便错误率很高，输出的置信度分数依然接近176% 相似待验证严格正确评分规则的核心性质是当且仅当预测者报告真实相信的概率时期望得分最大，常见例子包括对数似然损失和Brier分数76% 相似已验证在正负样本极度不均衡的场景（如欺诈检测）中，单纯看准确率作为评估指标毫无意义74% 相似待验证对数评分（log-score，即交叉熵）对极端错误的惩罚更激进，模型以接近 1.0 概率预测错误答案时对数评分趋向负无穷74% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1129531

API

curl https://kongchang.com/api/v1/knowledge/claims/1129531

MCP

get_claim(id=1129531)