待验证50% 置信事实精确时间
logprob 下降本身无法区分特征特异性抑制与幅度伪影——只要激活扰动足够大，方向是否对准目标特征并不重要。
1
来源数
50%
置信度
长期有效
时效性
2026/11/4
首次发现
来源
涉及实体
相关事实
待验证随机方向控制的干预效果优于精心挑选的 SAE 特征时，说明 logprob 的下降很可能来自扰动幅度，而非特征本身的语义作用。77% 相似待验证logprob衡量的是生成该token有多顺，并不等同于该事实有多正确，模型完全可能流畅而高概率地生成一个错误陈述，因此它仍是相对信号而非绝对保证。71% 相似待验证logit bias的偏置值选择没有万能公式，建议从小幅调整开始，用有代表性的提示词测试效果并观察副作用，再逐步调整。68% 相似待验证优势符号感知的 Renyi 预处理用以抵消 logit 层面的饱和现象，使梯度信号在高置信度区域仍能有效传递，惩罚自信但错误的预测68% 相似待验证修改采样时的 logits 即在 softmax 之前对向量逐维加减偏置值，加正值提升某类 token 被选中的概率，减负值则抑制，不改变模型权重，只在推理阶段介入。67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1133782API
curl https://kongchang.com/api/v1/knowledge/claims/1133782MCP
get_claim(id=1133782)