待验证50% 置信事实精确时间
不可知学习不假设数据可由目标概念完美标记，而是允许噪声，目标是找到一个假设，使其错误率与假设类中最优成员的错误率相当（至多相差一个常数）。
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
待验证每个智能体都应校验收到的输入是否符合预期，并在数据不完整时响亮地失败而非返回无声的部分结果76% 相似待验证在分析场景中，智能体可能以同样肯定的语气呈现强证据支持的结论和基于噪声的推测，未校准的置信度尤为危险。75% 相似待验证研究者将模型不确定时用统计上最可能的文本填充而非承认不知道的现象称为自信的无知（confident ignorance）74% 相似待验证数学、代码、结构化数据抽取适合推理模型，因为它们天然带检查器；而开放式写作、闲聊、主观推荐不适合，因为对错无法自动验证。74% 相似待验证智能体的“虚假完成”是 LLM 智能体的一种典型失效模式：模型倾向于给出符合用户期待的乐观结论，即使测试尚未通过或改动并未真正生效，其源于训练中对“有帮助的回答”的偏好而非有意欺骗。73% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1134768API
curl https://kongchang.com/api/v1/knowledge/claims/1134768MCP
get_claim(id=1134768)